As conversas entre humanos e robôs virtuais são baseadas no conhecimento, o que requer a existência de uma base de conhecimento. Este trabalho apresenta o desenvolvimento de um protótipo de chatterbot para atender clientes de uma imobiliária, utilizando o projeto ALICE, que é um chatterbot disponível como software livre, de fácil utilização, com tecnologia flexível desenvolvida exclusivamente para a criação de chatterbots. Neste contexto, é apresentado o desenvolvimento de um protótipo de chatterbot, combinando duas categorias acima mencionadas: marketing e suporte ao consumidor, para criar um sistema de atendimento ao cliente para um agente imobiliário.
PROBLEMATIZAÇÃO
For mulação do Pr oblema
Outros problemas podem ser encontrados, mas para o domínio do problema apresentado no trabalho, estes são os mais relevantes. Esse tipo de problema motiva os desenvolvedores de produtos que interagem com os clientes a desenvolver ferramentas cada vez mais simples e eficazes para melhorar o atendimento aos clientes que acessam os sites. Nesse contexto, muitas ferramentas podem ser utilizadas para melhorar o atendimento a essa linha de clientes que buscam informações via Internet.
Solução Pr oposta
OBJ ETIVOS
Objetivo Ger al
Objetivos Específicos
METODOLOGIA
Na definição da tecnologia foi analisada a documentação fornecida pelo projeto e também a linguagem AIML utilizada para desenvolver a base de conhecimento do chatterbot. Com essas definições, iniciou-se o detalhamento das informações e a modelagem para implementação da base de conhecimento utilizando a linguagem AIML. O desenvolvimento da base de conhecimento do protótipo começou com a utilização de informações coletadas de especialistas imobiliários, tendo como referência a base de conhecimento genérica do chatterbot ALICE.
ESCOPO
Para melhorar a assessoria imobiliária, a tecnologia RBC tem sido utilizada como ferramenta de apoio para ajudar os clientes a apresentarem imóveis de acordo com as características garantidas descritas durante a conversa com o chatterbot. Compararemos esses imóveis com os imóveis dos imóveis disponíveis e, utilizando as medidas de similaridade que medimos durante o trabalho, apresentaremos os imóveis com propriedades mais semelhantes aos solicitantes. Com um protótipo desenvolvido e validado, as imobiliárias podem utilizá-lo como uma nova forma de atendimento ao cliente, apresentando seus produtos e serviços de forma inovadora, com baixos custos operacionais, prestando atendimento 24 horas por dia, com capacidade de atender múltiplos clientes ao mesmo tempo.
ESTRUTURA DO TRABALHO
No Capítulo 4 são apresentadas as conclusões e observações relevantes do trabalho, seguidas de referências bibliográficas. Segundo Fernandes (2003), Inteligência Artificial é a parte da Ciência da Computação que está focada no desenvolvimento de sistemas computacionais inteligentes com características relacionadas à inteligência do comportamento humano. Este capítulo fornece uma visão geral de bots, chatterbots e tecnologia de raciocínio baseado em casos (CBR), que será usada como ferramenta de suporte para o desenvolvimento de chatterbot.
BOTS
Or igem dos bots
A palavra bot é o diminutivo da palavra inglesa robot, que foi cunhada e popularizada pelo dramaturgo Karel Capek, da Theco, em sua peça Robots Universal Rossum (RUR) de 1921 (RUSSELL & NORVIG, 2004). No seriado, a palavra bot remete à ideia de um homem-máquina capaz de realizar operações que seriam consideradas difíceis para o ser humano. Segundo Glanc (1978, apud RUSSELL & NORVIG, 2004), foi o irmão de Capek, Josef, quem primeiro combinou as palavras tchecas robota (trabalho forçado) e robotnik (servo), gerando a palavra robô em seu conto Opilec, de 1917. .
Definição
Culturalmente, quando se fala em bots, penso na imagem de uma máquina com braços mecânicos, capaz de se mover e realizar alguma atividade mecânica pré-programada.
Exemplos
CHATTERBOTS
Conceito
Or igem do chatter bot
Desenvolvido entre 1964 e 1966 no laboratório do MIT por Joseph Weizenbaum, o ELIZA é um dos programas de Inteligência Artificial mais antigos e conhecidos do mundo e foi quem deu início à primeira geração de chats. Segunda geração: os chatters passaram a utilizar novas técnicas de Inteligência Artificial, como redes neurais. A terceira geração: seu início foi marcado por chatters utilizando tecnologia desenvolvida para o propósito específico de conversação baseada em XML.
Classificação e exemplos
A Figura 2 mostra a interface web do chatterbot bonoBOT, onde pode ser visualizada a conversa realizada com o chatterbot. Interface da web Joan chatterbot Fonte: Adaptado do suporte ao cliente e perguntas frequentes do Jabberwacky Chatterbots. A Figura 7 mostra a interface do chatterbot SE7EZOOM, que mostra a última interação realizada com o usuário.
ALICE
AIML
A linguagem AIML define um padrão, baseado em XML, para representar o conhecimento que será utilizado pelo chatterbot, baseado em categorias. Segundo ALICE (2007), uma categoria é a unidade básica de conhecimento em AIML, que consiste em uma pergunta de entrada e uma resposta de saída e pode ter um contexto opcional. A linguagem AIML fornece um conjunto completo de tags que podem compor a base de conhecimento, cada uma com funcionalidades definidas.
Inter pr etador es
O interpretador desenvolvido na linguagem PHP foi denominado “Programa E”, enquanto o interpretador desenvolvido na linguagem Lisp foi denominado “Programa Z” (ALICE, 2007). Segundo Wallace (2007), os intérpretes manipulam a base de conhecimento na linguagem AIML, capturando os
RACIOCÍNIO BASEADO EM CASOS
- Or igem dos sistemas RBC
- Definição
- Repr esentação de Casos
- Métr icas de Similar idade
- Etapas de um RBC
- Aplicações e Exemplos
O RBC resolve problemas rastreando e adaptando experiências passadas – chamadas de casos – armazenadas em uma base de casos. Medida de similaridade: define como será calculada a similaridade entre a situação atual e um determinado caso da base de casos, que é aplicada repetidamente, par a par, para todos os casos, para atingir um valor de similaridade. Na Subseção 2.4.4 são apresentados os critérios de concordância para sistemas RBC e na Subseção 2.4.5 são apresentados os passos de um sistema RBC.
Árvores KD: o princípio desta representação é estruturar o espaço de busca com base em sua densidade observada e utilizar esta estrutura pré-compilada para recuperação eficiente de casos de acordo com uma determinada medida de similaridade. A forma mais popular de formalizar o conceito de similaridade é definir uma medida numérica de distância ou similaridade. Uma medida de similaridade frequentemente utilizada é a técnica do vizinho mais próximo, pois é fácil determinar a similaridade entre duas instâncias (WANGENHEIM & WANGENHEIM, 2003).
A função de similaridade (ƒ) deve ser definida em relação a cada tipo específico de atributo, dependendo muito do domínio de aplicação. A função de similaridade é realizada para cada propriedade do caso, e a equação de similaridade é realizada para toda a base de casos, obtendo-se o ranking de cada caso. Para esta recuperação é necessário comparar a descrição do problema atual com os problemas armazenados na base de casos, utilizando uma medida de similaridade.
Dentre os atributos que diferenciaram os casos (discriminadores), foram definidos os índices e pesos que serão utilizados para realizar medidas de similaridade.
MODELAGEM DO SISTEMA RBC
Este capítulo descreve a concepção e desenvolvimento do protótipo chatterbot para a área imobiliária, descrevendo as tecnologias utilizadas, os requisitos, as funcionalidades disponíveis, os diagramas e as etapas de desenvolvimento do trabalho. Na Seção 3.1, situação problema, é apresentada a situação atual do atendimento da imobiliária, que descreve a metodologia de atendimento utilizada na imobiliária, as informações disponibilizadas aos clientes pelo serviço, os problemas e deficiências encontradas, bem como como a melhoria que o sistema pode proporcionar aos servidores. Na Seção 3.2, modelagem do sistema RBC, é apresentada a modelagem do sistema RBC, que é utilizada como ferramenta de suporte para a apresentação de propriedades, que descrevem as propriedades.
MODELAGEM DO PROTÓTIPO
Diagr amas de Casos de Uso
Diagr ama de Pacotes
Diagr ama de Classes
Diagr ama de Seqüência
DESENVOLVIMENTO DO PROTÓTIPO
INTERFACE DO PROTÓTIPO
TESTES E VALIDAÇÃO DO PROTÓTIPO
O primeiro passo no desenvolvimento do sistema RBC foi modelar os casos que seriam armazenados caso a caso. Para tanto, durante a elaboração da base de conhecimento na linguagem AIML, será incluída a tag
Para criar a base de conhecimento não é necessário nenhum software de desenvolvimento, apenas um editor de texto. Recentemente, o projeto ALICE adicionou uma base de conhecimento desenvolvida para a língua portuguesa (Brasil) chamada Cybora, desenvolvida por Paul Gonlves (ALICE, 2007). Sistema de Gestão Imobiliária: sistema que manipula imóveis, onde através de um procedimento no banco de dados é possível cadastrar, alterar ou excluir automaticamente imóveis no banco de dados protótipo.
Desta forma foi possível desenvolver a base de conhecimento e ao mesmo tempo realizar testes na interface já desenvolvida e integrada ao sistema RBC. Ao codificar a base de conhecimento no formato AIML, foram adicionadas ao arquivo chamadas identificando os parâmetros do sistema RBC e o tipo de informação e o valor dessas informações foram incluídos no Tag do Sistema. Para elaborar a base de conhecimento do protótipo foram utilizadas informações importantes, coletadas de especialistas da área durante a elaboração do TCCI apresentado na seção 3.1, bem como as bases de conhecimento genéricas do projeto ALICE e do chatterbot Cybora.
A Figura 39 apresenta a tela onde o usuário pode configurar a matriz de similaridade correspondente ao tipo de imóvel no sistema RBC. A Figura 40 apresenta a tela onde o usuário pode configurar a matriz de similaridade correspondente às regiões do sistema RBC. O interpretador “Programa D” foi utilizado no protótipo junto com a linguagem AIML para desenvolver a base de conhecimento e foi integrado a um sistema RBC que auxilia na apresentação de propriedades aos clientes que interagem com o protótipo.
PRODUÇÕES CIENTÍFICAS
Com essas notas foi realizada uma análise estatística das avaliações, onde pode-se afirmar com 93% de certeza que a nota final do protótipo é superior a 8,0. O artefato deste trabalho concluído do curso inclui a análise dos chatterbots existentes, a descrição do chatterbot ALICE e da linguagem AIML, a metodologia de modelagem e desenvolvimento, os testes e validações que foram realizados e os códigos fonte do protótipo desenvolvido. Com o protótipo, as imobiliárias poderão utilizá-lo como uma nova forma de atender os clientes, oferecendo seus produtos e serviços de forma inovadora, com baixos custos operacionais, disponibilizando o atendimento 24 horas por dia, com possibilidade de diversos atendimentos aos clientes simultaneamente.
TRABALHOS FUTUROS
OG M.CD_ORIGEM = :ENT_CD_TYPE OG M.CD_DESTINO = :VAR_CD_TYPE INTO :TEMP_VALUE;. OG M.CD_ORIGEM = :VAR_CD_TIPO OG M.CD_DESTINO = :ENT_CD_TYPE INTO :VALOR_TEMP;. HVOR BR.CD_BAIRRO = :ENT_CD_BAIRRO OG BR.CD_CIDADE = :ENT_CD_CIDADE INTO :ENT_CD_REGIAO;.
WAAR BR.CD_BAIRRO = :VAR_CD_BAIRRO EN BR.CD_CIDADE = :VAR_CD_CIDADE IN :VAR_CD_REGIAO;. EN M.CD_ORIGEM = :ENT_CD_REGIAO EN M.CD_DESTINO = :VAR_CD_REGIAO IN :VALOR_TEMP;. EN M.CD_ORIGEM = :VAR_CD_REGIAO EN M.CD_DESTINO = :ENT_CD_REGIAO IN :VALOR_TEMP;.
IF (:ENT_TP_DEP_EMPREGADA IS NOT NULL) THEN SELECT P.VL_PESO FROM PESO P.
