Detalhes bibliográficos
| Ano de defesa: |
2005 |
| Autor(a) principal: |
Menezes Marques das Neves, André |
| Orientador(a): |
de Almeida Barros, Flávia |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| 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://repositorio.ufpe.br/handle/123456789/2095
|
Resumo: |
O trabalho de pesquisa aqui apresentado teve como objetivo principal melhorar o desempenho de chatterbots em diálogos livres com usuários. Chatterbots são sistemas computacionais que se propõem a conversar em linguagem natural como se fossem humanos. O primeiro desses sistemas foi ELIZA, desenvolvido em 1965 por Weizenbaum. Desde então, inúmeros sistemas foram produzidos com esse mesmo objetivo. Porém, uma série de problemas ainda continuam em aberto, dentre os quais, o tratamento de intenção, questão central na interpretação de diálogos naturais. Nesse sentido, desenvolvemos um mecanismo para tratamento de intenção para ser incorporado a chatterbots baseados em AIML. Adotamos como base conceitual para o trabalho a Teoria da Análise da Conversação (TAC), por considerar a intenção em pares adjacentes, e não apenas na sentença do falante, como a Teoria dos Atos de Fala. Com base na TAC e em experimentos realizados, selecionamos um conjunto de intenções, que foram utilizadas na criação de regras em AIML que utilizam informações de intencionalidade para interpretar e gerar sentenças em diálogos naturais. A solução final foi testada em uma série de experimentos, e demonstrou ser capaz de corrigir alguns problemas presentes em diálogos com chatterbots. Por exemplo, o sistema baseado em AIML padrão tratou 40% das sentenças dos usuários como sendo desconhecidas, enquanto o nosso sistema classificou apenas 3,5% das sentenças como totalmente desconhecidas. Além disso, o sistema foi capaz de manter a estrutura global dos diálogos, criticando turnos de abertura ou fechamento que foram ditos no desenvolvimento, ou turnos de desenvolvimento ditos na abertura ou fechamento. Por fim, implementamos três aplicações com chatterbots, o que demonstra que a solução adotada favorece o reuso de categorias em bases AIML, processo extremamente custoso do ponto de vista de engenharia de software com os sistemas atuais |
