FenixEdu™

Dissertação

{en_GB=Towards a Persona-coherent Conversational Agent} {} EVALUATED

Detalhes: {pt=Os Sistemas de Diálogo estão no centro do NLP desde a incepção. Com enorme variedade de aplicações, este tipo de sistemas é particularmente interessante como interface, dando a hipótese de uma experiência mais natural e conveniente ao utilizador. No contexto de Apoio ao Cliente, sistemas de diálogo goal-oriented são amplamente usados, ajudando os utilizadores a completar tarefas específicas. Tradicionalmente, estes sistemas eram criados a partir de de arquiteturas knowledge-based. No entanto, o crescimento do Deep Learning e a disponibilidade de dados facilitou o desenvolvimento de sistemas de diálogo neuronais, que podem ser treinados end-to-end. Um exemplo deste tipo de sistemas é o Transformer, um modelo baseado em auto-atenção que atingiu resultados estado da arte em múltiplas tarefas de Processamento de Língua Natural. Apesar de tudo, estes sistemas ainda apresentam algumas lacunas, particularmente em termos de escalabilidade. A necessidade de grandes quantidades de dados e poder computacional considerável pode ser um impedimento, especialmente em situações onde múltiplas entidades devem ser representadas. Em Sistemas Goal-Oriented, esta limitação torna-se mais evidente, considerado Apoio ao Cliente multi-marca, visto que cada marca deve comunicar de forma diferente com os seus utilizadores, o que significa que um modelo deve ser desenvolvido e mantido para cada marca. Em sistemas Open-Domain, um problema análogo surge quando são consideradas situações em que múltiplas personagens devem ser representadas., en=Dialog systems have been at the center of Natural Language Processing (NLP) since its inception. With a wide range of applications, this type of system is particularly interesting as a user interface, creating the possibility of a more natural and convenient user experience. In the context of Customer Support,goal-oriented dialog systems are now widely used, helping users carry out specific tasks. Traditionally, these systems were created by employing knowledge-based architectures. However, the growth of deep learning and the increase in data availability facilitated the development of neural dialog systems, which can be trained end-to-end. A well-known example of such a system is the “Transformer”, a self-attentional model that has achieved state-of-the-art results in multiple NLP tasks. Notwithstanding, these systems still present some shortcomings, particularly in terms of scalability. The need for large amounts of data and considerable computing power can be an impediment, especially in situations where multiple entities must be represented. In Goal-Oriented Dialog Systems, this becomes evident when considering multi-brand Customer Support, since each brand must communicate differently with its users, meaning one model must be developed and maintained for each brand. In Open-Domain System, an analogous problem arises when considering settings where multiple characters must be impersonated.}
Keywords: {pt=Adapter, Aprendizagem Profunda, Inteligência Artificial, Processamento de Linguagem Natural, Sistemas de Diálogo, Transformer, en=Adapter, Artificial Intelligence, Deep Learning, Dialog system, Natural Language Processing, Transformer}

Discussão: novembro 22, 2021, 18:0