당신은 주제를 찾고 있습니까 “챗봇 시나리오 – [챗봇기획실습]draw.io를 사용한 대화시나리오 기획하기 #draw.io #챗봇기획 #대화시나리오설계“? 다음 카테고리의 웹사이트 https://you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 Chatbot TV 이(가) 작성한 기사에는 조회수 532회 및 좋아요 4개 개의 좋아요가 있습니다.
챗봇 시나리오 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 [챗봇기획실습]draw.io를 사용한 대화시나리오 기획하기 #draw.io #챗봇기획 #대화시나리오설계 – 챗봇 시나리오 주제에 대한 세부정보를 참조하세요
draw.io를 사용한 챗봇 기획 실습
챗봇 시나리오 주제에 대한 자세한 내용은 여기를 참조하세요.
시나리오 · 도움말 – 챗봇 관리자센터 – Kakao
시나리오(Scenario) 는 봇 안에서 사용자가 경험할 수 있는 서비스 단위입니다. … 챗봇 관리자센터에서는 사용자의 의도(Intent)를 응대하는 가장 작은 단위를 …
Source: i.kakao.com
Date Published: 5/8/2021
View: 156
[인공지능 챗봇] 인공지능 챗봇 시나리오 작성, Decision tree란
시나리오 작성 · 1. 사용자가 챗봇 채팅방에 입장 · 2. 어떤 서비스를 사용하고 싶은지 묻는다. · 3. 어느 콘도를 예약할지 묻는다. · 4. 몇 명이 이용할지 …
Source: chanos.tistory.com
Date Published: 12/28/2021
View: 1251
챗봇 설계 – CLOVA Chatbot 제작 프로세스 – docs fin-ncloud
시나리오 및 대응 범위 설정. 시나리오 종류. Main 시나리오 서비스의 주요 목적을 처리하기 위한 시나리오입니다. 예를 들어 예약 …
Source: guide-fin.ncloud-docs.com
Date Published: 1/14/2022
View: 8605
챗봇을 위한 대화는 어떻게 디자인할까 – NAVER D2
대화 시나리오 설계에 관심이 많은 분, 챗봇 서비스를 구상하고 있거나 챗봇 대화를 디자인하는 분, 대화형 에이전트와 관련된 업무를 하는 분이라면 …
Source: d2.naver.com
Date Published: 9/20/2021
View: 1250
[논문]챗봇 시나리오 자동 구성을 위한 맥락기반 단어 추천 기법 …
최적의 시나리오를 구성하기 위해 네이버의 지식인과 같은 분야에서 관련 대화를 수집하였으며, 이를 바탕으로 자동으로 맥락기반의 단어를 추천하여 챗봇 시나리오를 …
Source: scienceon.kisti.re.kr
Date Published: 3/18/2021
View: 5391
시나리오 기반 챗봇 – CIO Korea
챗봇이란 채팅과 로봇의 합성어로 채팅로봇이라는 의미를 뜻한다. 일반적으로 채팅 상담을 하고 있는 상담센터에서는 고객과 상담사가 1:1로 연결되어 상담을 진행하게 …
Source: www.ciokorea.com
Date Published: 3/13/2021
View: 553
상담 챗봇 구현을 위한 시나리오 개발 및 유용성 검증
시나리오를 개발하고 이를 룰 기반 상담 챗봇으로 설계하였으며, 상담심리전문가 10인을 대상으로 사용자. 평가를 실시하였다. 그 결과, 명확한 상담 구조화, …
Source: www.koreascience.or.kr
Date Published: 12/18/2022
View: 7495
신입사원이 알려주는 챗봇 잘 만드는 꿀팁① 신은지 선임 편!
Aibril플랫폼개발팀에서 에이브릴 챗봇 프레임워크, 에이챗(A-Chat) 개발을 담당하고 있는 … 많은 사람이 챗봇 시나리오를 촘촘하게 짜면 된다고 생각하실 겁니다.
Source: skdt.co.kr
Date Published: 7/27/2021
View: 1319
챗봇 대화 시나리오 만들기 – Notion
챗봇 대화 시나리오를 만드는 과정은 본격적인 챗봇을 만들기 전 챗봇의 설계도를 … TALK Chatbot에 최적화된 챗봇 대화 시나리오를 구상하는 방법에 대해서 알아봅니다.
Source: www.notion.so
Date Published: 10/18/2022
View: 1512
주제와 관련된 이미지 챗봇 시나리오
주제와 관련된 더 많은 사진을 참조하십시오 [챗봇기획실습]draw.io를 사용한 대화시나리오 기획하기 #draw.io #챗봇기획 #대화시나리오설계. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
![[챗봇기획실습]draw.io를 사용한 대화시나리오 기획하기 #draw.io #챗봇기획 #대화시나리오설계](https://i.ytimg.com/vi/k6IrcIt_2rU/maxresdefault.jpg)
주제에 대한 기사 평가 챗봇 시나리오
- Author: Chatbot TV
- Views: 조회수 532회
- Likes: 좋아요 4개
- Date Published: 2020. 6. 29.
- Video Url link: https://www.youtube.com/watch?v=k6IrcIt_2rU
[인공지능 챗봇] 인공지능 챗봇 시나리오 작성, Decision tree란
목표
콘도 예약 서비스를 제공하기 위한 인공지능 챗봇의 시나리오를 작성하겠습니다.
목차
누르면 각 챕터로 이동합니다.
Decision Tree(결정 트리)란?
시나리오 작성
마치며..
들어가는 말
이전 포스팅까지 인공지능 챗봇의 정의, 종류, 특징 등에 대해서 알아보았습니다.
저는 인공지능 챗봇 중 시나리오형 챗봇을 채택해서 서비스를 제공하기로 결정했습니다.
따라서, 챗봇을 설계하기 전에 시나리오를 먼저 작성하도록 하겠습니다.
저는 시나리오를 작성할 때 서비스를 이용하는 소비자(사용자)의 입장과 서비스를 제공하는 챗봇의 입장으로 나눠서 작성했습니다. 이 시나리오를 Decision tree를 사용해서 나타내 보도록 하겠습니다.
Decision Tree(결정 트리)란?
Decision tree(결정 트리)는 의사 결정 규칙과 그 결과들을 트리 구조로 도식화한 의사 결정 지원 도구의 일종이다.
라고 정의되어 있습니다.
쉽게 말하면, 의사 결정을 해야하는 상황에서 나올 수 있는 결과들을 트리 구조로 나타낸 모델입니다.
▲Decision Tree의 예시, 출처: 텐서 플로우 블로그
한 번 의사결정을 할 때마다 2개의 영역으로 구분합니다. 인공지능 챗봇의 경우 Yes or No로 나타낼 수 있겠지요.
질문을 하는 네모상자를 노드(Node)라고 합니다.
맨 처음 질문을 Root Node라고 하고, 마지막 질문을 Terminal Node(Leaf Node)라고 합니다.
사실, 챗봇의 시나리오를 작성하는 데 있어서 필요한 내용은 아니지만 알아보는 김에 알아두고 가면 좋을 것 같네요.
머신러닝에서 자주 사용된다고 합니다.
시나리오 작성
콘도 예약 서비스에 대한 시나리오를 작성하기 전에 미리 상황을 가정하고 시작했습니다.
가정 1. 시나리오 챗봇을 사용한다.
가정 2. 예약할 수 있는 콘도는 3가지가 있다. (서울한화콘도, 제주신화콘도, 강원롯데콘도)
가정 3. 예약 장소, 일정, 투숙 인원을 입력받아야 한다.
제가 생각하고 있는 전체적인 시나리오는 다음과 같습니다.
1. 사용자가 챗봇 채팅방에 입장
2. 어떤 서비스를 사용하고 싶은지 묻는다. (현재는 콘도 예약 서비스밖에 없음)
3. 어느 콘도를 예약할지 묻는다. (3가지 콘도가 있다고 가정)
4. 몇 명이 이용할지 묻는다.
5. 날짜를 달력의 형식으로 보여줘서 이용 가능한 방을 보여주고 고르게 한다.
6. 결제 & 예약 후 챗봇을 종료한다.
이제 시나리오를 Decision Tree를 사용해서 작성해보도록 하겠습니다.
▲시나리오 Decision Tree
아무래도 한정적인 서비스이기 때문에 단순한 Decision tree가 완성되었습니다.
시나리오를 실제로 적용하면 어떻게 될지 카카오 오븐을 통해서 UI를 작성했습니다.
▲실제 사용 예시
이렇게 작성을 완료해서 제출했습니다. 멘토님께서도 디자인적인 부분이나 내용 자체는 좋았다고 말씀하셨습니다.
문제점
시나리오의 구체적인 내용이 부족합니다.
이용을 못하거나 특정 상황이 발생하면 어떻게 대처해야 할지에 대한 구상은 전혀 없는 상태입니다.
또한, 예시처럼 저렇게 정확하게 입력해야 하면 챗봇을 사용하지 않겠죠?
버튼을 만들던, 입력 예시를 제안하면 좋았을 것 같았습니다.
그리고 이렇게 마무리를 지었는데, 입력받을 데이터를 정의하지 않았습니다.
입력받을 데이터 정의
따라서, 입력받을 데이터를 정의하도록 하겠습니다.
아직 제대로 진행하지 않아서 정확한 내용은 모르지만 가이드라인에 맞춰서 작성하도록 하겠습니다.
필드명 데이터 타입 설명 비고 services int 서비스 종류 이용할 서비스를 코드로 받는다.
(1. 콘도 예약/2.그 외 서비스 등등) condo_type char 콘도 이름 서울한화콘도, 제주신화콘도 등등 condo_room int 콘도 객실 101, 102 등 객실이름이 정해져 있는 경우를 생각 해야 한다. guest_num int 투숙 인원 – date_year int 투숙 일정(년) – date_month int 투숙 일정(월) – date_day int 투숙 일정(일) – reserved int 결제 여부 0 : 결제X / 1 : 결제O
한 챗봇에서 너무 많은 서비스를 제공하게 되면 정확도가 떨어질 것이라고 생각합니다.
따라서, 서비스를 입력받고 DB에 저장할 때는 코드로 저장해서 관리하는 것이 더 효율적이라고 생각합니다.
나중에 예약 가능한 콘도가 더욱 늘어날 수도 있기 때문에 코드로 관리하기보다는 콘도 이름을 그대로 받는 것이 좋다고 생각해서 문자형으로 저장하게 했습니다.
객실의 경우 101호, 102호, 201호, 202호 등등 이렇게 숫자로 관리하는 것이 더 효율적이라고 생각했습니다.
간혹 가다 사랑방, 별빛방 뭐 이런 객실도 존재하기 때문에, 시나리오 상에서는 이렇게 설계했지만 실제 서비스 제공 시에는 다시 한번 생각해볼 필요가 있습니다.
투숙 인원은 당연히 정수형으로 입력받았습니다.
일정의 경우 년, 월, 일을 따로 저장해서 관리하기 좋게 설계했습니다.
보통 올해 놀러 갈 곳을 예약하기 때문에 연도는 필요 없지 않냐는 의견이 있었지만, 연말의 경우 내년 1월~3월에 예약하는 경우도 있기 때문에 연도도 입력받아야 합니다.
결제를 한 경우에만 예약을 할 수 있는 곳이 있는 반면, 우선 예약부터 하고 후에 결제하는 곳도 있기 때문에 이에 대한 정보를 저장할 reserved를 만들었습니다.
마치며..
이렇게 인공지능 챗봇을 설계하기 전 시나리오를 작성하면서 2주 차 과제를 완수했습니다.
Decision Tree에 대해 간단히 알아보고, 이를 이용해서 시나리오를 작성했습니다.
다소 구체적인 내용이 빠진 점은 작성하면서 더 보완해야 할 것입니다.
시나리오대로 흘러가면 좋겠지만 실제로 설계하면서 확장되거나 축소되는 경우가 대부분이라고 합니다.
이를테면, 캘린더의 형태로 예약 가능한 객실을 보여주는 형태는 구현하는데 어려움이 많을 것으로 예상됩니다.
최대한 퀄리티 높은 챗봇을 설계해보도록 하겠습니다.
CLOVA Chatbot 제작 프로세스
챗봇 서비스를 제작하기 전에 고려해야 할 사항을 설명합니다.
서비스 목적 설정
챗봇 서비스는 서비스 목적에 맞게 제작해야 합니다. 챗봇을 제작하기 전에, 서비스 목적을 구체적으로 설정해 주십시오.
예를 들어 챗봇의 목적을 다음과 같이 설정할 수 있습니다.
기존에 있는 문의 대응 채널(고객센터 콜, 이메일 상담, 채팅 상담 등) 외에 하나의 문의 대응 채널을 더 추가
기존 채널로 입수되는 문의 리소스를 줄이기 위해 챗봇 상담으로 대체
기존 채널을 그대로 활용하면서 세일즈/마케팅 리소스로 전환
기존 채널을 챗봇 상담으로 대체하고, 챗봇이 대응하지 못한 케이스만 상담으로 유인
답변 커버리지 설정
서비스 목적에 따라 챗봇 유형을 선택하고, 답변 커버리지를 고려해야 합니다. 챗봇은 크게 폐쇄형 답변을 하는 유형과 개방형 답변도 하는 유형으로 나눌 수 있습니다. 두 가지 유형을 함께 사용하는 것도 가능합니다.
사용자의 질문에 대해 폐쇄형 답변만 제공하는 챗봇 유형
FAQ 등 CS에 대해서만 답변 제공
CS 외에 해당 서비스에 대한 주제 전체에 대해서도 답변 제공
사용자의 질문에 대해 개방형 답변도 제공하는 챗봇 유형
배송 정보 조회에 대한 답변 제공(어떤 유형의 답변을 제공해야 하며, 몇 개의 서비스를 제공할 것인지 확인 및 결정해야 함)
AS기사 방문 예약 신청에 대한 답변 제공(가입 및 변경 등 Task 처리가 필요한 답변은 어떤 유형이 있으며, 몇 개의 서비스를 제공할 것인지 결정해야 함)
시나리오 및 대응 범위 설정
시나리오 종류
Main 시나리오
서비스의 주요 목적을 처리하기 위한 시나리오입니다. 예를 들어 예약 시나리오에서는 사용자의 예약 의도를 파악하고, 예약 정보를 슬롯에 담아 예약 정보 유효성을 체크하고, 예약 정보를 확인하고 확정하는 시나리오 흐름을 구성할 수 있습니다.
<예시> 사용자 의도 파악, 주문 정보 슬롯 필링, 주문 정보 유효성 체크, 주문 확인, 주문 확정 등
Repair 시나리오
사용자가 Main 시나리오에서 벗어났을 때, 다시 Main 시나리오로 돌려보내 서비스의 주요 목적을 달성할 수 있게 정정해 주는 시나리오입니다.
<예시> 사용자의 무응답, 의도 파악 불분명 등
Global 시나리오
Main 시나리오는 아니지만, 어느 대화에서나 진입 및 복귀가 가능한 시나리오입니다.
<예시> 재발화 요청, 통화 종료, 상담원 전환 요청, FAQ 문의 등
시나리오 대응 정책 고려
Repair 시나리오 매칭 연속 횟수 고려
Main 시나리오로 바로 복귀할 것인지 고려
Repair 시나리오에 연속해서 매칭된 경우 N회까지는 Main 시나리오로 복귀시키고 N회 초과한 경우에는 시나리오 종료 또는 상담원 연결할 것인지 고려
직전 챗봇 발화의 재발화 여부 고려
직전 Main 시나리오에서의 챗봇 발화를 재발화할지 하지 않을지 고려
기타 예상 시나리오 설계
주문 확인, 변경, 취소도 대응할 것인지?
당일 주문만 받을 것인지?
단체 주문은 몇명까지 가능?
품절된 경우, 추천 시간을 제안할 것인지?
주문 가능한 날짜는 현재 날짜로부터 언제까지만 가능한지?
주문 완료 처리하려고 했으나 그 사이에 다른 주문이 잡힌 경우 어떻게 처리할 것인지?
연동할 채널 결정
제작한 챗봇을 어떤 채널과 연동할 지 결정해야 합니다. 연동할 채널에 따라 CLOVA Chatbot의 특정 기능을 사용하지 못하는 경우도 있으므로, 연동할 채널에서 구현 가능한 기능을 미리 확인해야 합니다.
연동할 채널은 다음과 같은 기준으로 고를 수 있습니다.
텍스트형 라인, 톡톡, 페이스북 등 외부 메신저 Custom Web/App 등 내부 채널에 붙이는 메신저
음성형: 인공지능 스피커와 같은 외부 디바이스
채널별 사용 불가 기능
채널별 사용이 불가능한 기능은 다음과 같습니다.
채널 사용 불가 기능 LINE 메신저 없음 네이버 톡톡 피드백 Facebook – 피드백
– 푸시 메시지
– 고정 메뉴 NAVER WORKS – 피드백
– 푸시 메시지 CLOVA Extension – 피드백
– 푸시 메시지
– 고정 메뉴
기능별 지원 채널
기능 지원 채널 웰컴 메시지 모든 메신저 연속 답변 모든 메신저 피드백 LINE 메신저 스티커 답변 LINE 메신저 FLEX 답변 LINE 메신저 푸시 메시지 – LINE 메신저
– 네이버 톡톡 고정 메뉴 – LINE 메신저
– NAVER WORKS
– 네이버 톡톡
대화 데이터셋 구축
챗봇 엔진을 선택한 후, 대화를 구축해야 하는데 챗봇에서 제공할 답변 커버리지에 맞는 데이터가 필요합니다. 기존 데이터를 정제해서 활용하는 것이 제일 좋습니다. 서비스 목적에 따라 활용할 수 없는 데이터가 있을 수 있으므로, 초기에 데이터셋을 잘 선택해야 학습 데이터를 구축하는데 걸리는 시간을 단축할 수 있습니다.
데이터 정제
대화 데이터셋을 구축하기 전에 데이터를 정제하는 작업이 반드시 필요합니다. 가장 시간이 많이 걸리고 주의를 기울여야 하는 작업입니다. 정제된 데이터를 사용하지 않으면 챗봇이 제공하는 답변의 신뢰도가 낮아지게 되므로 기업의 이미지에도 부정적인 영향을 미칠 수 있습니다.
챗봇 데이터셋 구축 시 활용할 수 있는 기존 데이터는 다음과 같습니다.
홈페이지의 ‘자주 찾는 질문’, ‘1:1 문의하기’ 등
채팅 상담 쿼리
고객센터 인입콜의 문의 유형, 상담 코드 등
고객센터 녹취 STT 데이터
대화 데이터셋 구축 담당자 결정 필요
대화 구축 시 서비스 도메인에 대해 잘 알고 있는 전문가가 필요합니다. 실제 사용자가 무엇을 많이 물어보는 지 사용자가 어려워하는 작업이 무엇인지 등에 대해 상세하게 파악하고 있어야 하고, 정확하게 대답해 줄 수 있어야 하기 때문에, 실제 업무 담당자(고객 상담사, 신규 상품 출시 대응을 위한 교육 자료 작성자 등)가 대화 데이터셋을 구축하는 것이 가장 효율적입니다.
유지 보수 및 배포 관리
챗봇 서비스는 한 번 제작하고 끝나는 것이 아니라, 지속적인 재학습이 필요합니다. 특히 신규 상품 출시 등 고객 비즈니스에 변화가 있을 경우에는 바로 최신 정보를 반영해야 합니다. 따라서 지속적인 대화 데이터셋 유지 보수 및 서비스 배포 관리를 위해 관련 작업 정책을 수립해야 합니다.
챗봇 시나리오 기획
어떤 흐름으로 챗봇 대화를 구성할 것인지 상세한 시나리오를 작성합니다. 챗봇을 실행한 사용자에게 건넬 첫 메시지인 웰컴 메시지의 구성부터 챗봇이 이해하지 못하는 메시지가 입력됐을 때 발송할 실패 메시지, 챗봇의 만족도를 평가하는 피드백 메시지 등을 어떤 방식으로 제공할지 고려합니다. 또한 사용자의 예상 질문과 그에 대한 답변을 준비하고, 답변은 어떤 방식으로 제공할 것인지 결정해야 합니다. 단순히 텍스트 답변으로 제공할 수도 있고, 외부 링크를 연결해 줄 수 있지만 폼, 태스크, 액션 메소드를 활용하여 좀 더 복잡한 대화를 구성할 수 있습니다.
[논문]챗봇 시나리오 자동 구성을 위한 맥락기반 단어 추천 기법 연구
초록
▼
인공지능 기술의 급격한 발전은 자연어처리에 있어서도 인간의 능력과 유사한 기능을 모사하는 기술이나 서비스 들의 확산도 같이 이뤄지고 있다. 특히 스마트 어드바이저와 스마트 비서 또는 MRC (Machine Readible Comprehence), 챗봇과 같은 기술들은 다양한 영역에서 그 활용도를 높게 평가받고 있다. 특히 챗봇은 최근 몇 년동안 AI스피커, 음성인식, 상담과 같은 분야와의 접목을 통해 기술의 가치를 높이고 있다.
그러나 챗봇이 인간과 같은 수준의 대화를 실행하는 것은 매우 어려운 수준으로 챗봇의 대화 구성은…
인공지능 기술의 급격한 발전은 자연어처리에 있어서도 인간의 능력과 유사한 기능을 모사하는 기술이나 서비스 들의 확산도 같이 이뤄지고 있다. 특히 스마트 어드바이저와 스마트 비서 또는 MRC (Machine Readible Comprehence), 챗봇과 같은 기술들은 다양한 영역에서 그 활용도를 높게 평가받고 있다. 특히 챗봇은 최근 몇 년동안 AI스피커, 음성인식, 상담과 같은 분야와의 접목을 통해 기술의 가치를 높이고 있다.
그러나 챗봇이 인간과 같은 수준의 대화를 실행하는 것은 매우 어려운 수준으로 챗봇의 대화 구성은 많은 연구를 수행하였음에도 불구하고 대화가 내포하고 있는 의미, 대화의 맥락, 대화의 뉘앙스 또는 대화의 의도 등에 의해 챗봇이 인간과의 대화에 있어 기대에 못미치는 결과를 나타내고 있으며, 이는 챗봇기술과 시장에 있어 챗봇의 발전을 저해하는 요인이 되고 있다. 특히 챗봇에서 대화를 구성하는 방법에서 챗봇이 인간의 대화 의도를 파악하고 그에 가장 적절한 대답을 자동으로 추출하는 완전 자동화의 어려움으로 대부분의 챗봇에서는 챗봇에게 대화의 시나리오를 미리 설계하고, 시나리오에 맞는 답을 찾아 제공하는 ‘메신지형 검색’ 수준의 기술에 머무르고 있는 실정이다. 메신지형 검색 수준의 챗봇 또한 사람이 일일이 시나리오를 개발하고 답을 구성하기 때문에 챗봇을 개발하는데 많은 시간과 비용이 들고 이는 챗봇 기술 개발을 외면하게 하는 요인이 될 수 있다. 또한 챗봇에서 개발자나 사용자가 챗봇을 만들고 수정할 수 있게 하는 프레임워크 기술이 배포되어 있으며, 이를 봇 빌더(Bot Builder)라고 하는데, 봇 빌더에서는 챗봇의 중심이 되는 엔티티(Entity)와 시나리오(Scenario)가 필수적으로 필요하며, 챗봇의 특성에 따라 발화패턴, 학습 등의 기능들이 제공된다. 많은 챗봇 프레임워크에서 엔티티와 시나리오의 등록은 반정형 데이터를 사용해 한꺼번에 등록하거나, 봇 빌더가 제공하는 GUI를 통해 하나씩 등록한다. 이러한 방식으로 구성된 챗봇은 작성자가 사용자의 모든 궁금증에 대해 시나리오를 작성하지 못하므로 챗봇의 응답률이 저하된다. 이러한 문제점을 해결하기 위해 인공지능 학습을 통한 추론 등을 이용해 사용자의 질문을 인식하는 연구들이 진행되었다. 하지만 학습을 이용한 방법은 분석 대상과 관련된 많은 질의응답 데이터들이 필요하며 정제를 위한 부가적인 작업을 필요로 하다.
본 연구는 챗봇 대화 서비스에서 가장 핵심이 되는 시나리오는 문장이 내포한 의미나 맥락에 따라 최적의 시나리오를 추천할 수 있는 시나리오 자동 구성 방법을 연구하였다. 최적의 시나리오를 구성하기 위해 네이버의 지식인과 같은 분야에서 관련 대화를 수집하였으며, 이를 바탕으로 자동으로 맥락기반의 단어를 추천하여 챗봇 시나리오를 구성할 수 있는 방법을 제안한다.
본 연구의 핵심 과정은 다음과 같다. 원하는 분석 대상에 대해 앞에서 기술한 네이버 지식인 문장을 포함하여 자동으로 비정형 데이터(Word, PDF 등)를 수집하였고, 챗봇의 지식을 구성할 수 있도록 메타데이터를 도출하고 이를 기반으로 반정형 데이터(RDB, 스프레드시트, CSV)를 자동으로 생성하는 과정을 구성하였으며, 또한 적응적으로 문장의 핵심 어절이나 구를 추출하고 추출된 어절들과 연관된 어절들의 유사도를 계산하여 대화문셋을 생성하였고, 특정 문장이 입력되었을 때 이와 연관된 어절들을 추천하여 챗봇에서 시나리오를 자동으로 구성하는 방법을 제안한다. 본 논문에서 챗봇의 시나리오를 자동 구성하는 분야로 많은 질문과 답이 있는 조선시대 “이순신”장군을 선정하였고, “이순신”장군에 대한 많은 질문과 답변들을 수집하여 제안한 방법을 이용해 챗봇 시나리오가 자동으로 구성되어 높은 수준의 질의응답을 수행하는 챗봇을 개발하였고 개발된 서비스의 사용 테스트 결과 챗봇의 개발 시간의 단축은 물론 챗봇의 대화 수준도 우수하였다.
키워드에 대한 정보 챗봇 시나리오
다음은 Bing에서 챗봇 시나리오 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 [챗봇기획실습]draw.io를 사용한 대화시나리오 기획하기 #draw.io #챗봇기획 #대화시나리오설계
- 동영상
- 공유
- 카메라폰
- 동영상폰
- 무료
- 올리기
YouTube에서 챗봇 시나리오 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 [챗봇기획실습]draw.io를 사용한 대화시나리오 기획하기 #draw.io #챗봇기획 #대화시나리오설계 | 챗봇 시나리오, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.