Metodologia para análise de diálogos que expressam a intenção emocional de usuários em atendimento por chatbot

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Mafra, Matheus Leite Pirani
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/124352
Resumo: A área de sistemas conversacionais vem tomando força no mercado atual, principalmente com o advento da indústria 4.0, no qual a coleta e o acesso aos dados são fatores bem relevantes. Chatbots têm o objetivo de simular uma conversa entre humanos; nesta dissertação tem-se foco nos chatbots prestadores de serviço. As oportunidades e os desafios trazidos por esses tipos de sistema exigem que os métodos tradicionais de avaliação sejam repensados, considerando a busca crescente por este tipo de serviço. Por exemplo, com os diálogos deste tipo de chatbot é possível identificar a intenção de emoção e satisfação do usuário. Esta dissertação propõe uma metodologia para avaliação de chatbots prestadores de serviço, a partir da linguagem textual do usuário. Com o objetivo de fornecer insumos para a metodologia, foram realizados estudos para identificar métricas de como avaliar um chatbot e a partir destes estudos foi feita uma combinação de métricas para avaliar este tipo de sistema. Para essa avaliação, foram utilizadas duas versões de um chatbot em produção. Os diálogos presentes nessas duas versões foram classificados, seguindo a metodologia proposta e processados utilizando técnicas de Processamento de Linguagem Natural (PLN) e método de análise não supervisionada baseada em léxicos, a fim de identificar possíveis problemas e sugerir melhorias. Palavras-chave: Agentes conversacionais, Avaliação Chatbot, Processamento de Linguagem Natural, Chatbot