A chatbot for the banking domain
Chatbot pro bankovní aplikaci
bakalářská práce (OBHÁJENO)

Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/109059Identifikátory
SIS: 204831
Kolekce
- Kvalifikační práce [11307]
Autor
Vedoucí práce
Konzultant práce
Hudeček, Vojtěch
Oponent práce
Rosa, Rudolf
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Obecná informatika
Katedra / ústav / klinika
Ústav formální a aplikované lingvistiky
Datum obhajoby
5. 9. 2019
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
dialogový systém, porozumění přirozeného jazyka, NLP, chatbot, dialogový manažerKlíčová slova (anglicky)
dialog system, natural language understanding, NLP, chatbot, dialog managerTato práce navrhuje, implementuje a vyhodnocuje úkolově zaměřeného chat- bota, jehož úkolem je odpovídat na dotazy a poskytovat rady ohledně bankovnictví. Uvádíme rozšiřitelný modul porozumění přirozeného jazyka (NLU), založený na technologii GATE Framework, který slouží k vytvoření interpretací uživatelova dotazu. Pak implementujeme pravidlový dialogový manažer, který je odpovědný za odpovídání na základě interpretací od NLU a uloženého kontextu. Dále implementujeme model generování přirozeného jazyka, založený na šablonách. Chatbota hodnotíme za pomoci lidských testerů, ověřujeme, že ve většině případů je schopen plnit své úlohy, a identifikujeme možná budoucí vylepšení. 1
This thesis designs, implements and evaluates a task-based chatbot, which is expected to answer questions and give advice from the banking domain. We present an extendable natural language understanding (NLU) module based on GATE Framework which serves to create interpretations of the user's utterance. We implement a rule-based dialog manager component which is responsible for answering based on the NLU's interpretations and a stored context. We also implement a template-based natural language generation module. We then evaluate the chatbot with human testers, verifying it performs well in most cases and identifying areas for future improvement. 1