Proposta de Arquitetura de Software para um Chatbot com aprendizagem

  • Jéferson Soares UECE
  • José Maia UECE

Resumo


Uma fraqueza dos agentes de conversação (chatbot) mais utilizados hoje é que eles não são projetados para aprender durante o processo de conversação. O seu conhecimento é fixado durante o projeto e eles não tiram vantagem da interação com os usuários para evoluir o seu conhecimento e a sua capacidade de diálogo. Neste trabalho, o projeto de um Chatbot com aprendizagem ao longo da vida é inserido no arcabouço de Aprendizagem por Reforço. Embora aprendizagem por reforço já tenha sido utilizada antes, a revisão da literatura apresentada mostra que essa proposta é inovadora.

Palavras-chave: Agente de conversação, Aprendizagem contínua, Diálogo homem-máquina, Chatbot, Assistente virtual

Referências

Adamopoulou, E. and Moussiades, L. (2020). An overview of chatbot technology. In IFIP International Conference on Artificial Intelligence Applications and Innovations, pages 373–383. Springer.

Io, H. and Lee, C. (2017). Chatbots and conversational agents: A bibliometric analysis. In 2017 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), pages 215–219. IEEE.

Li, J., Monroe, W., Ritter, A., Galley, M., Gão, J., and Jurafsky, D. (2016). Deep reinforcement learning for dialogue generation. arXiv preprint arXiv:1606.01541.

Liu, J., Pan, F., and Luo, L. (2020). Gochat: Goal-oriented chatbots with hierarchical reinforcement learning. arXiv preprint arXiv:2005.11729.

Nishimoto, B. and Costa, A. H. R. (2019). Dialogue management with deep reinforcement learning: Balancing exploration and exploitation. In 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), pages 449–454. IEEE.

Norvig, P. and Russell, S. (2014). Inteligência artificial: Tradução da 3a Edição. Elsevier Brasil.

Nuruzzaman, M. and Hussain, O. K. (2018). A survey on chatbot implementation in customer service industry through deep neural networks. In 2018 IEEE 15th International Conference on e-Business Engineering (ICEBE), pages 54–61. IEEE.

Ricciardelli, E. and Biswas, D. (2019). Self-improving chatbots based on reinforcement learning. In 4th Multidisciplinary Conference on Reinforcement Learning and Decision Making.

Serban, I. V., Sankar, C., Germain, M., Zhang, S., Lin, Z., Subramanian, S., Kim, T., Pieper, M., Chandar, S., Ke, N. R., et al. (2017). A deep reinforcement learning chatbot. arXiv preprint arXiv:1709.02349.

Sutton, R. S. and Barto, A. G. (1998). Reinforcement learning i: Introduction.

Yin, C., Zhang, R., Qi, J., Sun, Y., and Tan, T. (2018). Context-uncertainty-aware chatbot action selection via parameterized auxiliary reinforcement learning. In Pacific-Asia Conference on Knowledge Discovery and Data Mining, pages 500–512. Springer.
Publicado
10/09/2020
SOARES, Jéferson; MAIA, José. Proposta de Arquitetura de Software para um Chatbot com aprendizagem. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO CEARÁ, MARANHÃO E PIAUÍ (ERCEMAPI), 8. , 2020, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 197-203. DOI: https://doi.org/10.5753/ercemapi.2020.11485.