A chatbot for the banking domain
Chatbot pro bankovní aplikaci
bachelor thesis (DEFENDED)

View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/109059Identifiers
Study Information System: 204831
Collections
- Kvalifikační práce [11307]
Author
Advisor
Consultant
Hudeček, Vojtěch
Referee
Rosa, Rudolf
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
General Computer Science
Department
Institute of Formal and Applied Linguistics
Date of defense
5. 9. 2019
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
English
Grade
Excellent
Keywords (Czech)
dialogový systém, porozumění přirozeného jazyka, NLP, chatbot, dialogový manažerKeywords (English)
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