Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
チャットボットの自動返信について
高橋建三
イタンジ エンジニア
スマホでやり取りしたいのに
電話や来店誘導ばかり・・
1件1件
お問い合わせ
ポータルサイト 仲介会社
電話・来店誘導
成約までの
平均メッセージ数は80回
メッセージ
チャットボット
物件
データ
辞書 マニュ
アル
学習
対応出来ない処理
質問
応答
Step1 文分割(Sentence Segmentation)
Step2 固有名詞抽出(Named Entity Recognition)
Step4 単語のベクトル化(Word Embedding)
Step5 判別(Classifica...
Step4 単語のベクトル化(Word Embedding)
Step5 判別(Classification)
機械学習
Step1 文分割(Sentence Segmentation)
Step1 文分割(Sentence Segmentation)
アトラス板橋ですが、こちらはペット可でしょうか?
よろしくお願いします。
1- アトラス板橋ですが、こちらはペット可でしょうか
2- よろしくお願いします
「。!?…」でメッセー...
Step2 固有名詞抽出(Named Entity Recognition)
Step2 固有名詞抽出(Named Entity Recognition)
アトラス板橋ですが、こちらはペット可でしょうか
建物名、駅、URL、メールアドレス、数字、記号
などを辞書と正規表現を使ってキーワードに置き換える
BUILDINGで...
Step3 わかち書き(Tokenization)
Step3 わかち書き(Tokenization)
janomeを使って文を単語に分ける
BUILDINGですがSYMBOLこちらはペット可でしょうか
BUILDING
ですが
SYMBOL
こちら
は
ペット
可
でしょ
う
か
Step4 単語のベクトル化(Word Embedding)
BUILDING
ですが
SYMBOL
こちら
は
ペット
可
でしょ
う
か
[-0.64852, -2.30104, 0.44202, -0.87877…, -0.61268]
[-0.70635, 0.32973, 0.64824, -0...
Step5 判別(Classification)
[-0.64852, -2.30104, 0.44202, -0.87877…, -0.61268]
[-0.70635, 0.32973, 0.64824, -0.58188…, 0.40056]
[-0.97513, -0.71315, 0...
Step6 メッセージの作成
227
(ペットに関する質問)
物件データ
(ペット可かチェック)
質問の種類によって
物件データと顧客データを使い返答文を返す
Step6 メッセージの作成
ペット相談の物件でございます。
もっと詳しく知りたい方は
http://tech.itandi.co.jp/2016/07/ai_chat_architecture/
エンジニア大募集中!!
http://itandi.co.jp/recruit/
Thank You!
チャットボットの自動返信について
チャットボットの自動返信について
Upcoming SlideShare
Loading in …5
×

チャットボットの自動返信について

3,533 views

Published on

7月24日に行われた"Machine Learning 15 minutes!"のLTの資料です

Published in: Technology
  • Dating direct: ❤❤❤ http://bit.ly/39sFWPG ❤❤❤
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Follow the link, new dating source: ❶❶❶ http://bit.ly/39sFWPG ❶❶❶
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

チャットボットの自動返信について

  1. 1. チャットボットの自動返信について 高橋建三 イタンジ エンジニア
  2. 2. スマホでやり取りしたいのに 電話や来店誘導ばかり・・ 1件1件 お問い合わせ ポータルサイト 仲介会社 電話・来店誘導
  3. 3. 成約までの 平均メッセージ数は80回 メッセージ
  4. 4. チャットボット 物件 データ 辞書 マニュ アル 学習 対応出来ない処理 質問 応答
  5. 5. Step1 文分割(Sentence Segmentation) Step2 固有名詞抽出(Named Entity Recognition) Step4 単語のベクトル化(Word Embedding) Step5 判別(Classification) Step6 メッセージの作成 Step3 わかち書き(Tokenization)
  6. 6. Step4 単語のベクトル化(Word Embedding) Step5 判別(Classification) 機械学習
  7. 7. Step1 文分割(Sentence Segmentation)
  8. 8. Step1 文分割(Sentence Segmentation) アトラス板橋ですが、こちらはペット可でしょうか? よろしくお願いします。 1- アトラス板橋ですが、こちらはペット可でしょうか 2- よろしくお願いします 「。!?…」でメッセージを区切る
  9. 9. Step2 固有名詞抽出(Named Entity Recognition)
  10. 10. Step2 固有名詞抽出(Named Entity Recognition) アトラス板橋ですが、こちらはペット可でしょうか 建物名、駅、URL、メールアドレス、数字、記号 などを辞書と正規表現を使ってキーワードに置き換える BUILDINGですがSYMBOLこちらはペット可でしょうか
  11. 11. Step3 わかち書き(Tokenization)
  12. 12. Step3 わかち書き(Tokenization) janomeを使って文を単語に分ける BUILDINGですがSYMBOLこちらはペット可でしょうか BUILDING ですが SYMBOL こちら は ペット 可 でしょ う か
  13. 13. Step4 単語のベクトル化(Word Embedding)
  14. 14. BUILDING ですが SYMBOL こちら は ペット 可 でしょ う か [-0.64852, -2.30104, 0.44202, -0.87877…, -0.61268] [-0.70635, 0.32973, 0.64824, -0.58188…, 0.40056] [-0.97513, -0.71315, 0.15730, -0.63518…, -1.85990] [-3.50369, -1.36903, 4.24888, -0.79639…, -2.15011] [-0.17241, 0.78249, -0.25915, -2.14393…, -1.08305] [0.51617, 0.64729, 0.84313, 0.28703…, -1.11040] [1.39577, 2.18377, 0.25073, -0.72479…, -0.20966] [-0.36539, 0.04446, 1.17888, 1.62269…, -0.98744] [-1.13693, -1.19480, 1.84206, -2.55662…, 0.574193] [-.45878, 1.46096, 2.34711, -2.39600…, -0.37915] Step4 単語のベクトル化(Word Embedding)
  15. 15. Step5 判別(Classification)
  16. 16. [-0.64852, -2.30104, 0.44202, -0.87877…, -0.61268] [-0.70635, 0.32973, 0.64824, -0.58188…, 0.40056] [-0.97513, -0.71315, 0.15730, -0.63518…, -1.85990] [-3.50369, -1.36903, 4.24888, -0.79639…, -2.15011] [-0.17241, 0.78249, -0.25915, -2.14393…, -1.08305] [0.51617, 0.64729, 0.84313, 0.28703…, -1.11040] [1.39577, 2.18377, 0.25073, -0.72479…, -0.20966] [-0.36539, 0.04446, 1.17888, 1.62269…, -0.98744] [-1.13693, -1.19480, 1.84206, -2.55662…, 0.574193] [-.45878, 1.46096, 2.34711, -2.39600…, -0.37915] Step5 判別(Classification) 227 (ペットに関する質問) KerasのLSTMを使ってメッセージの種類を判別する
  17. 17. Step6 メッセージの作成
  18. 18. 227 (ペットに関する質問) 物件データ (ペット可かチェック) 質問の種類によって 物件データと顧客データを使い返答文を返す Step6 メッセージの作成 ペット相談の物件でございます。
  19. 19. もっと詳しく知りたい方は http://tech.itandi.co.jp/2016/07/ai_chat_architecture/
  20. 20. エンジニア大募集中!! http://itandi.co.jp/recruit/
  21. 21. Thank You!

×