Back to search

National and Kapodistrian University of Athens

Process Mining over Conversational Data

Abstract

dc:description

Η αύξηση της χρήσης της τεχνητής νοημοσύνης τα τελευταία έτη επέφερε ως αποτέλεσμα τη δημιουργία εύρους εργαλείων τεχνητής νοημοσύνης με σκοπό τη χρήση τους από το ευρύ κοινό. Εφαρμογές όπως το ChatGPT, το Dall-E, το Bard, και άλλα χρησιμοποιούνται από όλο και περισσότερα άτομα ημερησίως. Άλλες εφαρμογές τεχνητής νοημοσύνης κάνουν χρήση επεξεργασίας της φυσικής γλώσσας, επεξεργασίας εικόνων, ή κατάταξης περιεχομένου πολυμέσων για διαφημιστικούς σκοπούς. Αυτά είναι παραδείγματα εφαρμογών τεχνητής νοημοσύνης που επεξεργάζονται κείμενο φυσικής γλώσσας από τον χρήστη. Τα chatbot είναι μια ειδική κατηγορία εφαρμογών τεχνητής νοημοσύνης η οποία επεξεργάζεται φυσική γλώσσα. Ανάλογα με το σκοπό τους, τα chatbots μπορούν να συνομιλήσουν με χρήστες, και χρησιμοποιούνται σήμερα κυρίως σε υποστήριξη πελατών, για παράδειγμα αντί εκπροσώπων υποστήριξης για επίληση προβλημάτων ή για άλλες χρήσεις όπως την εύρεση εργασίας σε μια γεωγραφική περιοχή. Αυτά τα chatbot ποικίλουν ως προς την πολυπλοκότητά τους: κάποια από αυτά είναι απλά bots ερώτησης και απάντησης, άλλα bots λαμβάνουν υπόψη τα συμφραζόμενα του διαλόγου καθιστώντας τα πιο πολύπλοκα. Ανεξαρτήτως πολυπλοκότητας, όμως, όλα τα chatbots μπορούν να αναλυθούν από τα παραγόμενά τους user-customer journeys. Αυτά τα journeys μπορούν να παραστούν ως διεργασίες, αποτελούμενα από ενέργειες μεταξύ χρήστη και bot και τις μεταβάσεις μεταξύ αυτών. Τα journeys αυξάνονται ανάλογα με τη πολυπλοκότητα του chatbot: όσο πιο πολύπλοκο είναι το chatbot, τόσες περισσότερες ενέργειες μεταξύ χρήστη και bot και μεταβάσεις υποστηρίζει, επιτρέποντας μεγαλύτερη ποικιλία από journeys. Χρησιμοποιούμε Εξαγωγή Διεργασιών προκειμένου να ανακαλύψουμε και να αναλύσουμε αυτά τα journeys. Η Εξαγωγή Διεργασιών περιλαμβάνει τη χρήση εργαλείων τα οποία πρώτα αναλύουν τα αρχεία καταγραφής των chatbots (και οποιασδήποτε άλλης διεργασίας), ύστερα απεικονίζουν το παραγόμενο μοντέλο σε εικόνα. Αυτό βοηθά στην κατανόηση των πιθανόν customer journeys που μπορούν να σχηματιστούν μεταξύ χρήστη και bot. Ωστόσο, ανάλογα με την πολυπλοκότητα του bot τα μοντέλα πιθανό να είναι αρκετά περίπλοκα για το μέσο χρήση, που σημαίνει ότι κάποια μορφή γενίκευσης κρίνεται απαραίτητη. Η διπλωματική εργασία αυτή επικεντρώνεται στη μοντελοποίηση των διεργασιών των chatbots, όπως και τη χρήση μεθόδων για τη γενίκευση των μοντέλων αυτών. Σε αυτήν την εργασία, εξηγούμε τι είναι τα chatbots, τι είναι η εξόρυξη διεργασιών, πώς εξάγουμε αποτελέσματα από αρχεία καταγραφης των chatbots, και θέτουμε τις βασικές ερωτήσεις που αποτελούν την κύρια ουσία της εργασίας. Για να απαντήσουμε στις ερωτήσεις αυτές και να επαληθεύσουμε τις υποθέσεις μας, πειραματιστήκαμε επάνω σε αρχεία καταγραφής από δύο διαφορετικά chatbots, το καθένα από τα οποία είχε διαφορετικό σκοπό. Παρουσιάζουμε ένα γενικευμένο αλγόριθμο ως μεθοδολογία για ανάλυση των journeys μεταξύ χρηστών και chatbots, ο οποίος συμπεριλαμβάνει βήματα προεπεξεργασίας των δεδομένων, ομαδοποίηση (clustering) των δεδομένων καταγραφής, βελτιστοποίηση της εξόδου βάσει μετρήσεων, και τέλος απεικόνιση των αποτελεσμάτων ως μοντέλων διεργασιών. Τα συμπεράσματά μας είναι ελπιδοφόρα: πειραματίζοντας με τις διαφορετικές υπερπαραμέτρους (hyperparameters) καταφέραμε να δημιουργήσουμε σταθερά μοντέλα από τις παραγόμενες ομάδες. Με αυτόν τον τρόπο, δυνόμεθα να παρουσιάσουμε ευνόητα, υψηλού επιπέδου customer journeys. Αυτό ετοιμάζει το έδαφος για περαιτέρω έρευνα όσον αφορά το ποιες υπερπαραμέτρους χρειάζονται ρύθμιση σε διαφορετικά δεδομένα.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Μουστάκας Λαέρτης
  • Moustakas Laertis

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3337735

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Μουστάκας Λαέρτης; Moustakas Laertis. Process Mining over Conversational Data. 2023. https://pergamos.lib.uoa.gr/uoa/dl/object/3337735