Dissertação
{en_GB=A Virtual Assistant for Web Dashboards Analytics Bot} {} EVALUATED
{pt=Esta tese relata a pesquisa e implementação de uma Interface de Língua Natural para Base de Dados sobre Rollover Opportunities, responsável por responder a perguntas no Banco BNP Paribas, através de pedidos a uma base de dados. Estudamos várias Interfaces de Língua Natural para Base de Dados e outros sistemas de Processamento de Língua Natural, tendo em consideração o projecto e as limitações do problema sobre o qual esta tese se debruça. Seguidamente, iremos descrever a arquitectura para a implementação. O ambiente no qual as questões são inquiridas, o reconhecimento de entidades mencionadas, o processamento das questões do utilizador, e as duas abordagens também são descritas. Implementámos uma gramática semântica, que constitui o sys1. Uma abordagem com a ferramenta SEMPRE e o seu mecanismo de aprendizagem constitui o sys2. Ambas as implementações são detalhadas, tal como os aspectos que necessitaram de atenção especial, como a utilização de expressões temporais na pergunta do utilizador. Os nossos resultados demonstram que conhecimento do domínio é crucial numa implementação baseada em regras, pois a mesma não é flexível. Também observámos que a nossa implementação com aprendizagem, sys2 obtém melhores resultados do que sys1., en=This thesis relates the research and implementation of a Natural Language Interface to a Database about Rollover Opportunites, responsible for answering questions at BNP Paribas Global Client Analytics Group. We study several Natural Language Interfaces to Databases’ and other Natural Language Processing systems, taking into consideration the project at hand and the limitations of the problem this thesis deals with. After that, we describe the architecture for the implementation. The environment in which the questions are asked, named entity recognition, the processing of the user’s question, and the two approaches implemented are also detailed. We have implemented a semantic grammar, which constitutes sys1. An implementation with the SEMPRE toolkit and its learning component constitutes sys2. Both implementations are detailed, as are the aspects that needed special attention, such as the use of date expressions in the user’s question. Our results show that knowledge of the domain is crucial in a rule-based implementation, as it is not flexible. We also notice that our learning implementation, sys2 has a better result than sys1.}
novembro 6, 2018, 14:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Maria Luísa Torres Ribeiro Marques da Silva Coheur
Departamento de Engenharia Informática (DEI)
Professor Auxiliar
