Los chatbots son sistemas de procesamiento de lenguaje natural con los que se puede
interactuar mediante una interfaz de texto o voz, y han sido adoptados en muchas
industrias para responder las preguntas y solicitudes de los usuarios a través de
interfaces de chat. Por ende, los chatbots tienen un valor comercial como asistentes
virtuales.
Tanto es así que se está trabajando en que los chatbots puedan comunicarse con los
usuarios de manera similar a la comunicación que hay entre dos humanos; en otras
palabras, un usuario debe experimentar la sensación de comunicarse con una
persona. A su vez, dado que los chatbots eliminan los factores humanos y están
disponibles las 24 horas del día, hay un incremento en la demanda de las capacidades
de inteligencia artificial para interactuar con los clientes. En este aspecto, la sensación
de comunicarse con una persona puede ser lograda mediante la inclusión de técnicas
de comprensión del lenguaje natural, procesamiento del lenguaje natural, generación
del lenguaje natural y aprendizaje automático.
De este modo, los chatbots son capaces de interpretar una o varias intenciones
comunicativas en cada “utterance” de un usuario, siendo que un “utterance” es todo lo
que el usuario o chatbot mencionan mientras es su turno de hablar o escribir. Así
mismo, los chatbots pueden asociar una o varias intenciones comunicativas a un
identificador de “utterances” que contiene varios “utterances”. Por ende, a partir del
“utterance” de un usuario, un chatbot es capaz de interpretar una o varias intenciones
comunicativas asociadas a un identificador de “utterances”, a través del cual usa los
“utterances” contenidos para escoger o generar un “utterance” como respuesta al
usuario. No obstante, si bien un chatbot puede identificar múltiples intenciones
comunicativas en un enunciado, de un usuario, con un “utterance”, no puede identificar
múltiples intenciones comunicativas en un enunciado, de un usuario, que contenga
múltiples “utterances”. En consecuencia, tampoco se ha investigado como encontrar
los “utterances” de respuesta del chatbot cuando se tiene múltiples “utterances”.
Por lo descrito previamente, en este proyecto se propone la implementación de una
herramienta para: identificar múltiples intenciones comunicativas en múltiples
“utterances”, identificar las dependencias entre intenciones, agrupar las intenciones a
partir de sus dependencias, identificar las dependencias entre los grupos de
intenciones respecto de los identificadores de “utterances” y los identificadores de
“utterances” respecto de los “utterances”. Además, para facilitar el uso de la
herramienta, se elabora una interfaz de programación de aplicaciones que recibe
múltiples “utterances” en forma de texto, y devuelve los “utterances” segmentados, las
intenciones identificadas, los grupos entre intenciones y los “utterances” de respuesta
del chatbot para cada grupo de intenciones.
Los resultados obtenidos evidencian que los enfoques utilizados son exitosos. Por
último, se espera mejorar los resultados con técnicas de inteligencia artificial y
computación lingüística.
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/24572 |
| Date | 29 March 2023 |
| Creators | Pariasca Trevejo, Emanuel Eduardo Franco |
| Contributors | Beltran Castañón, César Armando |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf, application/pdf |
| Rights | info:eu-repo/semantics/closedAccess |
Page generated in 0.0021 seconds