MỘT CÁCH TIẾP CẬN XÂY DỰNG ỨNG DỤNG CHATBOT  TƯ VẤN TUYỂN SINH TRƯỜNG ĐẠI HỌC ĐÀ LẠT

Phan Thị Thanh Nga; Nguyễn Thị Lương; Tạ Hoàng Thắng; Thái Duy Quý

doi:10.34238/tnu-jst.6056

MỘT CÁCH TIẾP CẬN XÂY DỰNG ỨNG DỤNG CHATBOT TƯ VẤN TUYỂN SINH TRƯỜNG ĐẠI HỌC ĐÀ LẠT

Thông tin bài báo

Ngày nhận bài: 25/05/22 Ngày hoàn thiện: 22/08/22 Ngày đăng: 23/08/22

Các tác giả

1. Phan Thị Thanh Nga, Trường Đại học Đà Lạt
2. Nguyễn Thị Lương, Trường Đại học Đà Lạt
3. Tạ Hoàng Thắng, Trường Đại học Đà Lạt
4. Thái Duy Quý , Trường Đại học Đà Lạt

Tóm tắt

Chatbot là ứng dụng được xây dựng nhằm tương tác với con người một cách tự động bằng cách sử dụng các kỹ thuật ngôn ngữ tự nhiên. Chương trình này đóng vai trò như một trợ lý ảo, trò chuyện với con người và khiến họ nghĩ rằng họ đang nói chuyện với một người thật. Trong bài báo này, chúng tôi sẽ phát triển một hệ thống chatbot hỗ trợ quy trình tuyển sinh đại học, tự động trả lời ngay lập tức tất cả các câu hỏi từ người dùng bất cứ lúc nào, ngay cả ngoài giờ hành chính. Tính năng quan trọng của một ứng dụng chatbot là hiểu câu hỏi của người dùng và đưa ra câu trả lời thích hợp. Vì vậy, chúng tôi đề xuất phương pháp xây dựng ứng dụng chatbot phù hợp với nhu cầu của trường đại học. Chúng tôi áp dụng một số mô hình biểu diễn ngôn ngữ dựa trên BERT để dự đoán câu trả lời từ câu hỏi đầu vào. Thử nghiệm cho thấy salti/ bert-base-multilingual-cased-finetuned-team là mô hình phù hợp cho ứng dụng chatbot của chúng tôi vì điểm F1 và EM trên tập dữ liệu thử nghiệm cao đáng kể, lần lượt chiếm 88,6% và 79,6%. Đối với chức năng phân lớp ý định, chúng tôi đạt được 99,9% và 100% trên tập dữ liệu thử nghiệm và tập dữ liệu kiểm tra.

Từ khóa

Chatbot; Trợ lý ảo; BERT; Tuyển sinh đại học; Mô hình biểu diễn ngôn ngữ

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] S. Hussain, O. A. Sianaki, and N. Ababneh, “A survey on conversational agents/chatbots classification and design techniques,” in Primate life histories, sex roles, and adaptability, U. Kalbitzer, A. M. Jack, and M. Katharine, Eds. Berlin: Springer, 2019, pp. 946-956.

[2] N. N. Khin and K. M. Soe, “University chatbot using artificial intelligence markup language,” in The IEEE Conference on Computer Applications (ICCA), Myanmar, 2020, pp. 103-107.

[3] D. Jacob, W. C. Ming, L. Kenton, and T. Kristina, “BERT: Pre-training of deep bidirectional transformers for language understanding,” Cornell University, October 11, 2018. [Online]. Available: https://arxiv.org/abs/1810.04805. [Accessed Apr. 28, 2020].

[4] B. R. Ranoliya, N. Raghuwanshi, and S. Singh, “Chatbot for university related FAQs,” in The 2017 International Conference on Advances in Computing, Communications and Informatics (ICACCI), India, 2017, pp. 125-131.

[5] G. Hiremath, A. Hajare, P. Bhosale, and R. Nanaware, “Chatbot for education system,” International Journal of Advance Research in Technology, vol. 4, no. 3, pp. 37-43, 2020.

[6] A. Mondal, M. Dey, D. Das, S. Nagpal, and K. Garda, “Chatbot: An automated conversation system for the educational domain,” in The International Joint Symposium on Artificial Intelligence and Natural Language Processing, Thailand, 2018, pp. 103-109.

[7] T. N. Nguyen, and Q. D. Truong, “Support system for college admissions counseling,” (in Vietnamese), Can Tho University Journal of Science, no. 15, pp. 152-159, 2015.

[8] V. B. Nguyen, “Building a dialogue model for Vietnamese in the open domain based on the sequential learning method,” (in Vietnamese), MSC. Thesis, VNU Hanoi-University of Engineering and Technology, Hanoi, 2016.

[9] T. T. Nguyen, “Application of multi-class svm supervised learning algorithm in building a Vietnamese Q&A chatbot system,” (in Vietnamese), in The National scientific conference on IT and applications in various fields, Vietnam, 2018, pp. 98-105.

[10] M. T. Vi, V. M. Do, D. N. Tran, and T. A. Nguyen, “Building a Chatbot solution to support healthcare on Vietnamese domain,” (in Vietnamese), in The National Workshop on Application of High Technology in Practice, Vietnam, 2021, pp. 87-95.

[11] T. Mikolov, G. Corrado, K. Chen, and J. Dean, “Efficient estimation of word representations in vector space,” in The International Conference on Learning Representations, USA, 2013, pp. 202-210.

[12] T. Mikolov, K. Chen, G. Corrado, and J. Dean, “Distributed representations of words and phrases and their compositionality,” Cornell University, October 16, 2013. [Online]. Available: https://arxiv.org/ abs/1310.4546. [Accessed Oct. 15, 2020].

[13] J. Pennington, R. Socher, and C. D. Manning, “Glove: Global vectors for word representation,” in The Conference on empirical methods in natural language processing, Quatar, 2014, pp. 80-89.

[14] V. D. Le, “Vietnamese-stopwords,” March 15, 2019. [Online]. Available: https://github.com/ stopwords/vietnamese-stopwords. [Accessed April 25, 2020].

[15] V. T. Tran, “Python Vietnamese toolkit,” Pyvi 0.1.1, Jun 30, 2021. [Online]. Available: https://pypi.org/project/pyvi. [Accessed Sept. 20, 2021].

[16] H. Zhiheng, X. Peng, L, Davis, M. Ajay, and X. Bing, “TRANS-BLSTM: Transformer with Bidirectional LSTM for Language Understanding,” Cornell University, 2003. [Online]. Available: https://arxiv.org/abs/2003.07000. [Accessed Sept. 15, 2020].

[17] Q. D. Nguyen, and T. A. Nguyen, “PhoBERT: Pre-trained language models for Vietnamese,” Cornell University, 2020. [Online]. Available: https://arxiv.org/abs/1310.4546. [Accessed Dec. 19, 2020].

[18] D. Jin, Z. Jin, J. T. Zhou, and P. Szolovits, “Is bert really robust? a strong baseline for natural language attack on text classification and entailment,” in Proceedings of the AAAI conference on artificial intelligence, vol. 34, no. 5, pp. 8018-8025, 2020.

[19] H. Zhiheng, X. Wei, and Y. Kai, “Bidirectional lstm-crf models for sequence tagging,” Cornell University, 2020. [Online]. Available: https://arxiv.org/abs/1508.019912015. [Accessed Dec. 19, 2020].

DOI: https://doi.org/10.34238/tnu-jst.6056

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ