ディープラーニングチャットボット：すべての知るべきこと

チャットボットを作成するときの目標は、人間の干渉を最小限に減少するか、まったく必要としないものにすることです。これは2つの方法で実現できます。

一番目の方法では、カスタマーサービスチームがAIから提案を受け、カスタマーサービスの方法を改善します。二番目の方法には、すべての会話自体を処理し、カスタマーサービスチームの必要性をなくす、深層学習チャットボットが含まれます。

チャットボットの力のおかげで、フェイスブックのメッセンジャーのチャットボットの数が1年以内で10万から30万に増加した。 MasterCardなどの多くの  人気ブランドも、独自のチャットボットをすぐに作成します。チャットボットとCMS  を接続する ウェブサイトも一般的な方法となっており、関連するコンテンツの豊富なソースを提供しています。

しかし、ブランドがそのようなチャットボットをどのように活用できるかを説明する前に、ディープラーニングチャットボットが何かを見てみましょう。

ディープラーニングチャットボットは、「ディープラーニング」と呼ばれるプロセスを通じてゼ最初から直接学習します。このプロセスでは、チャットボットは機械学習アルゴリズムを使用して作成されます。ディープラーニングチャットボットは、すべてのデータと人間間の対話からを学習します。

ルアン・トング・ティン

チャットボットは、テキスト上で意識を発達させるように訓練されており、人々と会話する方法を教えることができます。または、映画の会話やスクリプトを使ってチャットボットを教えることもできます。ただし、人間との会話は、最高のディープラーニングチャットボットを作成するための優先的な方法  です。データが多ければ多いほど、機械学習の効果は高まります。

ディープラーニングチャットボットとは何かがわかったところで、最初から構築する方法を理解してみましょう。 

機械学習関連のプロセスの最初のステップは、データの準備です。チャットボットをトレーニングするには、顧客とサポートスタッフの間に何千相互作用が必要です。

ディープラーニングチャットボット用の十分なデータポイントが存在するように、データは可能な限り詳細かつ多様である必要があります。この特定のプロセスは、オントロジーの作成と呼ばれます。この段階での唯一の目標は、できるだけ多くのインタラクティブを収集することです。

データソースによっては、この手順が必要な場合と必要でない場合があります。データが適切に分離されていない場合は、データを観測の単一行に再形成する必要があります。

再形成後、メッセージと応答のペアは次のようになります。

このデータを蓄積したら、データを消去する必要があります。URL、画像参照、ストップワードなどを削除する必要があります。

ディープラーニングチャットボットを構築するための次のステップは、前処理です。このステップでは、チャットボットがスペルミスを正しく理解できるように、機械学習に文法を追加する必要があります。

オントロジーと前処理が完了したら、作成するチャットボットのタイプを選択する必要があります。

 作成できるチャットボットには、主に次の2つの  タイプがあります。

検索モデルは、データの検索に完全に基づいているため、ほとんどミスを犯しません。ただし、これには別の制限があり、厳格すぎるように見えたり、応答が「人間的」に見えない場合があります。

一方、ディープラーニングチャットボットは、そのスタイルを顧客からの質問や要求に簡単に適合させることができます。ただし、このタイプのチャットボットでさえ、全然ミスをしない、人との活用を真似ることはできません。

チャットボットの包括モデルも、この分野の知識がかなり限られているため、完璧にするのが難しいです。実際、ディープラーニングチャットボットはまだチューリングテストに合格できていません  。

クエリが単純な場合、検索ベースのチャットボットは非常に役立ちますが、複雑なクエリにもチャットボットが必要です。これは、チャットボットが以前のメッセージでの発言も追跡する必要がある場合に特に当てはまります。検索ベースを元にづいてチャットボットは、簡単で安い質問を回答できます。

単語ベクトルは、LOL、LMAOなどの単語を頻繁に使用する場合に必要です。これらはソーシャルメディアで使用される一般的な単語ですが、多くのデータセットには含まれていません。

事前トレーニング済みのベクトルを使用する方が簡単ですが、他の単語ベクトルリストにない単語がある場合は、独自の単語ベクトルを作成する必要があります。

独自の単語ベクトルを生成するには、Word2Vecモデルのアプローチを取る必要があります。この場合、単語ベクトルは、これらの単語が文でどのように表示されるかを調べることにより、モデルによって作成されます。

類似したコンテキストを持つ単語は、ベクトル空間のより近くに配置されます。Pythonスクリプトを使用して、Word2Vecモデルをトレーニングできます。または、TensorFlow Seq2Seq関数を使用することもできます。

作成した後、 Seq2Seqモデル、トレーニングプロセスを追跡する必要があります。これは、ディープラーニングチャットボットがどのようにトレーニングされているかを確認できるという意味で楽しい部分です。

入力文字列を介してループのさまざまなポイントでチャットボットをテストする必要があります。非パッドおよび非EOSトークンが出力に返されます。

チャットボットはパディングとEOSトークンのみを出力するため、最初はほとんどの応答は空白になります。一般的に、チャットボットは、LOLなどの頻繁に使用される小さな出力文字列で応答を開始します。

徐々に、チャットボットは応答の開発を開始し、より長く、より完全な文章を出ます。時間の経過とともに、回答の構造と文法が改善されることがわかります。

次に、この投稿で述べたとおりに Facebookアプリをセットアップする必要があります  。その後、チャットボットをセットアップし、それが言うことをカスタマイズします。こちらのチュートリアルに従って  ください。物事をすばやくまとめるのに役立ちます。

フェイスブックチャットボットの準備が整ったので、すべてを組み合わせてTensorFlowモデルをデプロイする必要があります。TensorFlowとノードの間に適切なインターフェースがあまりないため、モデルをデプロイするにはFlaskサーバーを使用する必要があります。

ディープラーニングチャットボットのExpressアプリはフラスコサーバーと対話します。

ディープラーニングチャットボットの最後のステップは、ライブでテストすることです。フェイスブックにアクセスしてページを見つける必要があります。あなたがする必要があるのはあなたのページにメッセージを送ることだけです、そしてチャットボットはあなたのメッセージに応答し始めます。

ただし、サーバーを起動する必要があるため、チャットボットが最初に応答するまでに少し時間がかかる場合があります。次に、メッセージに応答しているときにディープラーニングチャットボットがどの程度うまく機能しているかを確認できます。

応答が正確でないか、文法が不十分な場合は、チャットボットにデータセットを追加する必要があるかもしれません。