Successfully reported this slideshow.
Your SlideShare is downloading. ×

ChatBot問答機器人

Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Loading in …3
×

Check these out next

1 of 17 Ad

ChatBot問答機器人

111年_艾鍗學院_AI人工智慧與邊緣運算工程師班
專題:問答機器人
組員:吳○正、吳○霖、李○逸、游○鈺

專題網頁:https://bit.ly/3MIWLKv
艾鍗官網:https://bit.ly/3ESwHdW
聯絡信箱:service@ittraining.com.tw

111年_艾鍗學院_AI人工智慧與邊緣運算工程師班
專題:問答機器人
組員:吳○正、吳○霖、李○逸、游○鈺

專題網頁:https://bit.ly/3MIWLKv
艾鍗官網:https://bit.ly/3ESwHdW
聯絡信箱:service@ittraining.com.tw

Advertisement
Advertisement

More Related Content

More from IttrainingIttraining (20)

Recently uploaded (20)

Advertisement

ChatBot問答機器人

  1. 1. Welcome To Chatbot 團隊成員: 吳O正、吳O霖 李O逸、游O鈺 Telegram 請搜尋: taiwandinerbot auto_action_order_bot
  2. 2. 便當店 對話機器人 成果展示
  3. 3. 🡲 Mission Objective Strategy Tasks 🡲 🡲 即時通訊軟體 (Instant Messenger) 的對話機器人 1. 在IM平台即時(real time)分析顧客對話內 容,分類顧客對話意圖, 萃取對話的重要資訊 2. 即時回應顧客需要資訊 3. 記錄每筆對話訊息的重 要資訊 1. 在本機端建立 chatbot server, 經由第三方網路服 務串接IM 2. 使用open source 的 NLU套件,分 析對話內容 3. 運用open source 套件,產生回應內 容 4. 使用open source 的DB,記錄每筆 對話的重要資訊 1. 使用ngrok服務, 串接本機端server 與IM software 2. 訓練NLU model, 分類intents、萃取 entities 3. 使用Rasa套件內的 Transformer Embedding Dialogue (TED) 產 生對話 4. 運用SQLite紀錄每 筆對話的重要資訊
  4. 4. System Design Local Server User Telegram firewall Data base
  5. 5. Language Model Tokenization Feature Extraction NER Intent Classificatio n Response Generator ‘訂3個排骨便當, 中午12點來取’ [‘訂, ‘3’, ’個’ , ‘排骨便當, ’中午, ’12點, ‘來, ’取] 訂 : 3 : 排骨便當: 中午: 12點 訂: 3 : 排骨便當: 12點 confidence affirm: 0.0012 deny: 0.001 order: 0.9912 goodbye: 0.0022 greet: 0.0032 Jieba BERT DIETClassifier DIETClassifier Dialogue responding Transformer Embedding Dialogue
  6. 6. 機器人對話狀態 使用者輸入文字:PIPELINE開始分析擷取 按照story 的劇本,機器人詢問使用者想要點什麼 使用者選擇排骨便當,PIPELINE偵測此實體(entity),後端儲存在儲存槽(Slot) 後端接收到訊息,經由action.py檔處理計算,並回覆
  7. 7. 3 3 1 32 3 3 6 29 23 16 3 13 20 標題:Intent Confusion Matrix 橫軸:Predicted label 縱軸:True label accuracy f1-score: 0.97 weighted avg: 0.95 micro avg f1-score: 0.95 Intent Classification 評估報告 affirm ffirm time ime size greet reet size order rder discount eny deny discount oodbye goodbye style tyle tele tele
  8. 8. Story 故事情節排程 Hi Agent NLU Pipeline Dialogue Policies 1 2 5 3 4 Hi 6 Hi 想要吃點什麼... 排骨便當 請問要點幾份? 1份 便當1份確定嗎? RASA用story(採機器學習)決定對話中每下個步骤 採取的行動。 語意及對話處理過程。系統分析使用者語意,根據 事先設定的故事情節排程引導話題流動。可依商家 需要設定不同故事主軸,客製化流程。
  9. 9. 執行動作 1份 Agent NLU Pipeline Dialogue Policies Rasa SDK Action Server 1 2 5 7 3 4 6 8 透過Action 執行檔 1 8
  10. 10. 進一步運用_行銷方案 透過Action 執行檔 一、抽折扣 不只點餐, 透過設計(如抽折扣),可展現對話機器人與使用者間互動對談效果! 除了增加活潑、趣味性,並可增加來客點餐率! (實際介面顯示如下)
  11. 11. 進一步運用_行銷方案 二、隱藏美食 -製造多一層選單,讓消費者次次有驚喜可選擇 -隱藏美食品項亦可放入菜色,如高單價商品、新開發商品(測試市場反應)、或便當賞味期商品(清理即將過 餐庫存)(實際介面顯示如下) 透過Story 設置方式
  12. 12. The Limits and Future
  13. 13. Limits 外接介面: -Telegram台灣使用者較少,目前若只透過此線上通道接觸客群,人數將受限。 -Facebook messenger需要以實體店家作註冊,方可連結。 Future: -基於RASA Open Source 環境,有許多功能可以嘗試(如引進外部Open data),此次未曾 有機會運用,可望在未來加入至系統。 - 專案實作方面,此次已成功連接SQLite 資料庫,未來希望就導入的資料分析,準確的 辨識價 值客戶,以利對話機器人作更客製化的互動。
  14. 14. Thanks! : ) Team Chatbot
  15. 15. Questions Time!
  16. 16. Ngrok to connect localhost & Telegram • 安裝並執行ngrok • 透過ngrok將外部網站forward到本機端 • 使用rasa API串聯Telegram • user與Telegram的對話由localhost處理
  17. 17. Chatbot offering rating matrix

×