Chatbot para marcação de voos

Este projeto consiste do desenvolvimento de um chatbot para busca e marcação de passagens áreas.

Entregáveis

1. Classificadores de intenção, extratores de entidade e interface de chat utilizando deep learning encontram-se no notebook PassagensChatbot.ipynb
2. Projeto de chatbot no rasa encontra-se no diretório rasa_chatbot
3. Apresentação no Canva
4. Apresentação no formato PDF encontra-se no arquivo PassagensChatbot.pdf
5. Apresentação em vídeo

Dados

Os dados utilizados para treinamento do chatbot encontram-se disponíveis no dstc8 schema guided dialogue. Foi selecionado um subconjunto deste conjunto de dados para refletir apenas o domínio de viagem.

Intenções

As intenções que serão classficadas pelo chatbot serão:

1. ReserveOnewayFlight
2. SearchOnewayFlight
3. SearchRoundtripFlights
4. ReserveRoundtripFlights
5. NONE *verificar se isso é válido

Modelos de aprendizagem

O tamanho do sobconjunto de dados definido é uma característica muito relevante para a tarefa de classificação da intenção, tendo em vista que a pequena quantidade de dados de treinamento poderá resultar em overfitting dos modelos de aprendizagem.

Para a tarefa de classificação de intenções, realizamos uma análise comparativa dos resultados obtidos durante treinamento e teste dos seguintes modelos:

• LSTM
• CNN
• SVM
• Transformer (BERT)

Também foram implementados extratores de entidades para reconhecimento de entidades da sentenças baseados em transformer (BERT) e LSTM.

Avaliação

A base de dados sob estudo foi previamente dividida em subconjuntos de treinamento e de teste, de forma que ambas amostras nunca se misturam durante os processos de treino e teste. A avaliação da performance dos modelos sob o subcojunto de teste mede a acurácia e o F1-score dos modelos treinados anteriormente.

Referências

[1] Rastogi, Abhinav, Xiaoxue, Zang, Srinivas, Sunkara, Raghav, Gupta, Pranav, Khaitan. "Towards scalable multi-domain conversational agents: The schema-guided dialogue dataset." Proceedings of the AAAI Conference on Artificial Intelligence. 2020.

[2] Lee, Harrison, Raghav, Gupta, Abhinav, Rastogi, Yuan, Cao, Bin, Zhang, Yonghui, Wu. "SGD-X: A Benchmark for Robust Generalization in Schema-Guided Dialogue Systems." Proceedings of the AAAI Conference on Artificial Intelligence. 2022.

[3] Rasa nlu in depth

[4] Rasa FAQs