Información del autor
Autor Galitsky, Boris |
Documentos disponibles escritos por este autor (3)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : Artificial Intelligence for Customer Relationship Management : Keeping Customers Informed Tipo de documento: documento electrónico Autores: Galitsky, Boris, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XI, 445 p. 261 ilustraciones, 147 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-52167-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Relaciones con los clientes Inteligencia artificial Simulación por ordenador Interfaces de usuario e interacción persona-computadora Gestión de relaciones con el cliente Modelado por computadora Clasificación: 005.437 Resumen: Esta monografÃa de investigación lleva la IA al campo de la gestión de relaciones con el cliente (CRM) para hacer que la experiencia del cliente con un producto o servicio sea inteligente y agradable. AI está aquà para ayudar a los clientes a obtener un reembolso por un vuelo cancelado, descongelar una cuenta bancaria u obtener el resultado de una prueba de salud. Hoy en dÃa, CRM ha evolucionado desde almacenar y analizar los datos de los clientes hasta predecir y comprender su comportamiento poniendo un sistema CRM en el lugar de los clientes. Por lo tanto, es necesario que entren en juego el razonamiento avanzado con aprendizaje a partir de datos pequeños, sobre las actitudes de los clientes, la introspección, la lectura entre lÃneas de la comunicación con el cliente y la explicabilidad. La inteligencia artificial para la gestión de relaciones con los clientes aprovecha una serie de técnicas de procesamiento del lenguaje natural (NLP), aprendizaje automático (ML), simulación y razonamiento para habilitar CRM con inteligencia. Un CRM eficaz y sólido debe poder chatear con los clientes, proporcionarles la información deseada, completar sus transacciones y resolver sus problemas. Introduce un medio sistemático para determinar el estado de ánimo de los clientes, sus intenciones y actitudes para determinar cuándo proporcionar una respuesta exhaustiva, una recomendación, una explicación, un argumento adecuado, un asesoramiento oportuno y una promoción o compensación. El autor emplea una variedad de métodos de aprendizaje automático, desde deterministas hasta estadÃsticos y profundos, para predecir el comportamiento del cliente y anticipar posibles quejas, asegurando la retención de clientes de manera eficiente. Al proporcionar un foro para el intercambio de ideas en IA, este libro proporciona una cobertura concisa pero completa de metodologÃas, herramientas, problemas, aplicaciones y tendencias futuras para profesionales, gerentes e investigadores en el campo de CRM junto con profesionales de IA y TI. . Nota de contenido: Introduction -- Distributional Semantics for CRM: Making word2vec Models Robust by Structurizing Them -- Employing Abstract Meaning Representation to Lay the Last Mile towards Reading Comprehension -- Summarized Logical Forms for Controlled Question Answering -- Summarized Logical Forms based on Abstract Meaning Representation and Discourse Trees -- Acquiring New Definitions of Entities -- Inferring Logical Clauses for Answering Complex Multi-hop Open Domain Questions -- Managing Customer Relations in an Explainable Way -- Recognizing Abstract Classes of Text Based on Discourse -- Conversational Explainability for CRM. Tipo de medio : Computadora Summary : This research monograph brings AI to the field of Customer Relationship Management (CRM) to make a customer experience with a product or service smart and enjoyable. AI is here to help customers to get a refund for a canceled flight, unfreeze a banking account or get a health test result. Today, CRM has evolved from storing and analyzing customers' data to predicting and understanding their behavior by putting a CRM system in a customers' shoes. Hence advanced reasoning with learning from small data, about customers' attitudes, introspection, reading between the lines of customer communication and explainability need to come into play. Artificial Intelligence for Customer Relationship Management leverages a number of Natural Language Processing (NLP), Machine Learning (ML), simulation and reasoning techniques to enable CRM with intelligence. An effective and robust CRM needs to be able to chat with customers, providing desired information, completing their transactions and resolving their problems. It introduces a systematic means of ascertaining a customers' frame of mind, their intents and attitudes to determine when to provide a thorough answer, a recommendation, an explanation, a proper argument, timely advice and promotion or compensation. The author employs a spectrum of ML methods, from deterministic to statistical to deep, to predict customer behavior and anticipate possible complaints, assuring customer retention efficiently. Providing a forum for the exchange of ideas in AI, this book provides a concise yet comprehensive coverage of methodologies, tools, issues, applications, and future trends for professionals, managers, and researchers in the CRM field together with AI and IT professionals. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Artificial Intelligence for Customer Relationship Management : Keeping Customers Informed [documento electrónico] / Galitsky, Boris, . - 1 ed. . - [s.l.] : Springer, 2020 . - XI, 445 p. 261 ilustraciones, 147 ilustraciones en color.
ISBN : 978-3-030-52167-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Relaciones con los clientes Inteligencia artificial Simulación por ordenador Interfaces de usuario e interacción persona-computadora Gestión de relaciones con el cliente Modelado por computadora Clasificación: 005.437 Resumen: Esta monografÃa de investigación lleva la IA al campo de la gestión de relaciones con el cliente (CRM) para hacer que la experiencia del cliente con un producto o servicio sea inteligente y agradable. AI está aquà para ayudar a los clientes a obtener un reembolso por un vuelo cancelado, descongelar una cuenta bancaria u obtener el resultado de una prueba de salud. Hoy en dÃa, CRM ha evolucionado desde almacenar y analizar los datos de los clientes hasta predecir y comprender su comportamiento poniendo un sistema CRM en el lugar de los clientes. Por lo tanto, es necesario que entren en juego el razonamiento avanzado con aprendizaje a partir de datos pequeños, sobre las actitudes de los clientes, la introspección, la lectura entre lÃneas de la comunicación con el cliente y la explicabilidad. La inteligencia artificial para la gestión de relaciones con los clientes aprovecha una serie de técnicas de procesamiento del lenguaje natural (NLP), aprendizaje automático (ML), simulación y razonamiento para habilitar CRM con inteligencia. Un CRM eficaz y sólido debe poder chatear con los clientes, proporcionarles la información deseada, completar sus transacciones y resolver sus problemas. Introduce un medio sistemático para determinar el estado de ánimo de los clientes, sus intenciones y actitudes para determinar cuándo proporcionar una respuesta exhaustiva, una recomendación, una explicación, un argumento adecuado, un asesoramiento oportuno y una promoción o compensación. El autor emplea una variedad de métodos de aprendizaje automático, desde deterministas hasta estadÃsticos y profundos, para predecir el comportamiento del cliente y anticipar posibles quejas, asegurando la retención de clientes de manera eficiente. Al proporcionar un foro para el intercambio de ideas en IA, este libro proporciona una cobertura concisa pero completa de metodologÃas, herramientas, problemas, aplicaciones y tendencias futuras para profesionales, gerentes e investigadores en el campo de CRM junto con profesionales de IA y TI. . Nota de contenido: Introduction -- Distributional Semantics for CRM: Making word2vec Models Robust by Structurizing Them -- Employing Abstract Meaning Representation to Lay the Last Mile towards Reading Comprehension -- Summarized Logical Forms for Controlled Question Answering -- Summarized Logical Forms based on Abstract Meaning Representation and Discourse Trees -- Acquiring New Definitions of Entities -- Inferring Logical Clauses for Answering Complex Multi-hop Open Domain Questions -- Managing Customer Relations in an Explainable Way -- Recognizing Abstract Classes of Text Based on Discourse -- Conversational Explainability for CRM. Tipo de medio : Computadora Summary : This research monograph brings AI to the field of Customer Relationship Management (CRM) to make a customer experience with a product or service smart and enjoyable. AI is here to help customers to get a refund for a canceled flight, unfreeze a banking account or get a health test result. Today, CRM has evolved from storing and analyzing customers' data to predicting and understanding their behavior by putting a CRM system in a customers' shoes. Hence advanced reasoning with learning from small data, about customers' attitudes, introspection, reading between the lines of customer communication and explainability need to come into play. Artificial Intelligence for Customer Relationship Management leverages a number of Natural Language Processing (NLP), Machine Learning (ML), simulation and reasoning techniques to enable CRM with intelligence. An effective and robust CRM needs to be able to chat with customers, providing desired information, completing their transactions and resolving their problems. It introduces a systematic means of ascertaining a customers' frame of mind, their intents and attitudes to determine when to provide a thorough answer, a recommendation, an explanation, a proper argument, timely advice and promotion or compensation. The author employs a spectrum of ML methods, from deterministic to statistical to deep, to predict customer behavior and anticipate possible complaints, assuring customer retention efficiently. Providing a forum for the exchange of ideas in AI, this book provides a concise yet comprehensive coverage of methodologies, tools, issues, applications, and future trends for professionals, managers, and researchers in the CRM field together with AI and IT professionals. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Artificial Intelligence for Customer Relationship Management : Solving Customer Problems Tipo de documento: documento electrónico Autores: Galitsky, Boris, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XIX, 463 p. 226 ilustraciones, 112 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-61641-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Relaciones con los clientes Inteligencia artificial Simulación por ordenador Interfaces de usuario e interacción persona-computadora Gestión de relaciones con el cliente Modelado por computadora Clasificación: 005.437 Resumen: El segundo volumen de esta monografÃa de investigación describe una serie de aplicaciones de la Inteligencia Artificial en el campo de la Gestión de Relaciones con el Cliente con el objetivo de resolver los problemas de los clientes. Diseñamos un sistema que intenta comprender la queja del cliente, su estado de ánimo y qué se puede hacer para resolver un problema con el producto o servicio. Para resolver el problema de un cliente de manera eficiente, mantenemos un diálogo con el cliente para que se pueda aclarar el problema y se puedan buscar múltiples formas de solucionarlo. Introducimos la gestión del diálogo basada en el análisis del discurso: una forma lingüÃstica sistemática de manejar el proceso de pensamiento del autor del contenido a entregar. Analizamos los sentimientos de los usuarios y los rasgos personales para adaptar la gestión del diálogo a cada cliente. También diseñamos una serie de escenarios de diálogo para CRM con respuestas siguiendo ciertos patrones y proponemos diálogos virtuales y sociales para diversas modalidades de comunicación con un cliente. Después de aprender a detectar contenido falso, engaño e hipocresÃa, examinamos el ámbito de las quejas de los clientes. Simulamos estados mentales, actitudes y emociones de un denunciante e intentamos predecir su comportamiento. Después de sugerir representaciones formales basadas en gráficos de escenarios de quejas, las aprendemos automáticamente para identificar la mejor acción que la organización de atención al cliente puede elegir para retener al reclamante como cliente. Nota de contenido: Chatbots for CRM and Dialogue Management -- Recommendation by Joining a Human Conversation -- Adjusting Chatbot Conversation to User Personality and Mood -- A Virtual Social Promotion Chatbot with Persuasion and Rhetorical Coordination -- Concluding a CRM Session -- Truth, Lie and Hypocrisy -- Reasoning for Resolving Customer Complaints- Concept-based Learning of Complainant's Behavior -- Reasoning and Simulation of Mental Attitudes of a Customer -- CRM Becomes Seriously Ill -- Conclusions. Tipo de medio : Computadora Summary : The second volume of this research monograph describes a number of applications of Artificial Intelligence in the field of Customer Relationship Management with the focus of solving customer problems. We design a system that tries to understand the customer complaint, his mood, and what can be done to resolve an issue with the product or service. To solve a customer problem efficiently, we maintain a dialogue with the customer so that the problem can be clarified and multiple ways to fix it can be sought. We introduce dialogue management based on discourse analysis: a systematic linguistic way to handle the thought process of the author of the content to be delivered. We analyze user sentiments and personal traits to tailor dialogue management to individual customers. We also design a number of dialogue scenarios for CRM with replies following certain patterns and propose virtual and social dialogues for various modalities of communication with a customer. After we learn to detect fake content, deception and hypocrisy, we examine the domain of customer complaints. We simulate mental states, attitudes and emotions of a complainant and try to predict his behavior. Having suggested graph-based formal representations of complaint scenarios, we machine-learn them to identify the best action the customer support organization can chose to retain the complainant as a customer. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Artificial Intelligence for Customer Relationship Management : Solving Customer Problems [documento electrónico] / Galitsky, Boris, . - 1 ed. . - [s.l.] : Springer, 2021 . - XIX, 463 p. 226 ilustraciones, 112 ilustraciones en color.
ISBN : 978-3-030-61641-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Relaciones con los clientes Inteligencia artificial Simulación por ordenador Interfaces de usuario e interacción persona-computadora Gestión de relaciones con el cliente Modelado por computadora Clasificación: 005.437 Resumen: El segundo volumen de esta monografÃa de investigación describe una serie de aplicaciones de la Inteligencia Artificial en el campo de la Gestión de Relaciones con el Cliente con el objetivo de resolver los problemas de los clientes. Diseñamos un sistema que intenta comprender la queja del cliente, su estado de ánimo y qué se puede hacer para resolver un problema con el producto o servicio. Para resolver el problema de un cliente de manera eficiente, mantenemos un diálogo con el cliente para que se pueda aclarar el problema y se puedan buscar múltiples formas de solucionarlo. Introducimos la gestión del diálogo basada en el análisis del discurso: una forma lingüÃstica sistemática de manejar el proceso de pensamiento del autor del contenido a entregar. Analizamos los sentimientos de los usuarios y los rasgos personales para adaptar la gestión del diálogo a cada cliente. También diseñamos una serie de escenarios de diálogo para CRM con respuestas siguiendo ciertos patrones y proponemos diálogos virtuales y sociales para diversas modalidades de comunicación con un cliente. Después de aprender a detectar contenido falso, engaño e hipocresÃa, examinamos el ámbito de las quejas de los clientes. Simulamos estados mentales, actitudes y emociones de un denunciante e intentamos predecir su comportamiento. Después de sugerir representaciones formales basadas en gráficos de escenarios de quejas, las aprendemos automáticamente para identificar la mejor acción que la organización de atención al cliente puede elegir para retener al reclamante como cliente. Nota de contenido: Chatbots for CRM and Dialogue Management -- Recommendation by Joining a Human Conversation -- Adjusting Chatbot Conversation to User Personality and Mood -- A Virtual Social Promotion Chatbot with Persuasion and Rhetorical Coordination -- Concluding a CRM Session -- Truth, Lie and Hypocrisy -- Reasoning for Resolving Customer Complaints- Concept-based Learning of Complainant's Behavior -- Reasoning and Simulation of Mental Attitudes of a Customer -- CRM Becomes Seriously Ill -- Conclusions. Tipo de medio : Computadora Summary : The second volume of this research monograph describes a number of applications of Artificial Intelligence in the field of Customer Relationship Management with the focus of solving customer problems. We design a system that tries to understand the customer complaint, his mood, and what can be done to resolve an issue with the product or service. To solve a customer problem efficiently, we maintain a dialogue with the customer so that the problem can be clarified and multiple ways to fix it can be sought. We introduce dialogue management based on discourse analysis: a systematic linguistic way to handle the thought process of the author of the content to be delivered. We analyze user sentiments and personal traits to tailor dialogue management to individual customers. We also design a number of dialogue scenarios for CRM with replies following certain patterns and propose virtual and social dialogues for various modalities of communication with a customer. After we learn to detect fake content, deception and hypocrisy, we examine the domain of customer complaints. We simulate mental states, attitudes and emotions of a complainant and try to predict his behavior. Having suggested graph-based formal representations of complaint scenarios, we machine-learn them to identify the best action the customer support organization can chose to retain the complainant as a customer. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Developing Enterprise Chatbots : Learning Linguistic Structures Tipo de documento: documento electrónico Autores: Galitsky, Boris, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XV, 559 p. 198 ilustraciones, 132 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-04299-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial LigüÃstica computacional IngenierÃa de software Clasificación: 006.3 Resumen: Se espera que un chatbot sea capaz de mantener una conversación cohesiva y coherente y que tenga conocimientos, lo que lo convierte en uno de los sistemas inteligentes más complejos que se están diseñando hoy en dÃa. Los diseñadores deben aprender a combinar enfoques de razonamiento y comprensión del lenguaje intuitivos y explicables con tecnologÃas estadÃsticas y de aprendizaje profundo de alto rendimiento. Hoy en dÃa, existen dos paradigmas populares para la construcción de chatbots: 1. Construir una plataforma de bots con capacidades universales de PNL y ML para que un desarrollador de bots para una empresa en particular, sin ser un experto, pueda completarla con datos de capacitación; 2. Acumule un enorme conjunto de datos de diálogo de capacitación, introdúzcalos en una red de aprendizaje profundo y espere que el chatbot capacitado aprenda automáticamente "cómo chatear". Aunque se informa que estos dos enfoques imitan algunos diálogos inteligentes, ninguno de ellos es adecuado para chatbots empresariales, ya que son poco confiables y demasiado frágiles. Este último enfoque se basa en la creencia de que se producirá algún milagro de aprendizaje y un chatbot comenzará a funcionar sin una ingenierÃa de dominio y caracterÃsticas exhaustiva por parte de un experto y algoritmos de gestión de diálogo interpretables. Los chatbots empresariales de alto rendimiento con un amplio conocimiento del dominio requieren una combinación de aprendizaje automático estadÃstico, inductivo y profundo y aprendizaje de la web, PNL sintáctica, semántica y discursiva, razonamiento basado en ontologÃas y una máquina de estados para controlar un diálogo. Este libro proporcionará una fuente completa de algoritmos y arquitecturas para crear chatbots para diversos dominios basándose en las tendencias recientes en lingüÃstica computacional y aprendizaje automático. El foco de este libro son las aplicaciones del análisis del discurso en la evaluación relevante de textos, la gestión del diálogo y la generación de contenido, que ayudan a superar las limitaciones de los enfoques basados ​​en plataformas y basados ​​en datos. El código y el material complementario están disponibles en https://github.com/bgalitsky/relevance-based-on-parse-trees. Nota de contenido: Introduction to Chatbots -- Social Chatbots and Development Platforms -- Chatbot Components and Architectures -- Providing Natural Language Access to a Database -- Chatbot Relevance at Syntactic Level -- Semantic Skeleton-based Search for Question and Answering Chatbots -- Relevance at the Level of Paragraph: Parse Thickets -- Chatbot Thesauri -- Content Processing Pipeline -- Achieving Rhetoric Agreement in a Conversation -- Discourse-level Dialogue Management,- Chatbots Providing and Accepting Argumentation. . Tipo de medio : Computadora Summary : A chatbot is expected to be capable of supporting a cohesive and coherent conversation and be knowledgeable, which makes it one of the most complex intelligent systems being designed nowadays. Designers have to learn to combine intuitive, explainable language understanding and reasoning approaches with high-performance statistical and deep learning technologies. Today, there are two popular paradigms for chatbot construction: 1. Build a bot platform with universal NLP and ML capabilities so that a bot developer for a particular enterprise, not being an expert, can populate it with training data; 2. Accumulate a huge set of training dialogue data, feed it to a deep learning network and expect the trained chatbot to automatically learn "how to chat". Although these two approaches are reported to imitate some intelligent dialogues, both of them are unsuitable for enterprise chatbots, being unreliableand too brittle. The latter approach is based on a belief that some learning miracle will happen and a chatbot will start functioning without a thorough feature and domain engineering by an expert and interpretable dialogue management algorithms. Enterprise high-performance chatbots with extensive domain knowledge require a mix of statistical, inductive, deep machine learning and learning from the web, syntactic, semantic and discourse NLP, ontology-based reasoning and a state machine to control a dialogue. This book will provide a comprehensive source of algorithms and architectures for building chatbots for various domains based on the recent trends in computational linguistics and machine learning. The foci of this book are applications of discourse analysis in text relevant assessment, dialogue management and content generation, which help to overcome the limitations of platform-based and data driven-based approaches. Supplementary material and code is available at https://github.com/bgalitsky/relevance-based-on-parse-trees. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Developing Enterprise Chatbots : Learning Linguistic Structures [documento electrónico] / Galitsky, Boris, . - 1 ed. . - [s.l.] : Springer, 2019 . - XV, 559 p. 198 ilustraciones, 132 ilustraciones en color.
ISBN : 978-3-030-04299-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Inteligencia artificial LigüÃstica computacional IngenierÃa de software Clasificación: 006.3 Resumen: Se espera que un chatbot sea capaz de mantener una conversación cohesiva y coherente y que tenga conocimientos, lo que lo convierte en uno de los sistemas inteligentes más complejos que se están diseñando hoy en dÃa. Los diseñadores deben aprender a combinar enfoques de razonamiento y comprensión del lenguaje intuitivos y explicables con tecnologÃas estadÃsticas y de aprendizaje profundo de alto rendimiento. Hoy en dÃa, existen dos paradigmas populares para la construcción de chatbots: 1. Construir una plataforma de bots con capacidades universales de PNL y ML para que un desarrollador de bots para una empresa en particular, sin ser un experto, pueda completarla con datos de capacitación; 2. Acumule un enorme conjunto de datos de diálogo de capacitación, introdúzcalos en una red de aprendizaje profundo y espere que el chatbot capacitado aprenda automáticamente "cómo chatear". Aunque se informa que estos dos enfoques imitan algunos diálogos inteligentes, ninguno de ellos es adecuado para chatbots empresariales, ya que son poco confiables y demasiado frágiles. Este último enfoque se basa en la creencia de que se producirá algún milagro de aprendizaje y un chatbot comenzará a funcionar sin una ingenierÃa de dominio y caracterÃsticas exhaustiva por parte de un experto y algoritmos de gestión de diálogo interpretables. Los chatbots empresariales de alto rendimiento con un amplio conocimiento del dominio requieren una combinación de aprendizaje automático estadÃstico, inductivo y profundo y aprendizaje de la web, PNL sintáctica, semántica y discursiva, razonamiento basado en ontologÃas y una máquina de estados para controlar un diálogo. Este libro proporcionará una fuente completa de algoritmos y arquitecturas para crear chatbots para diversos dominios basándose en las tendencias recientes en lingüÃstica computacional y aprendizaje automático. El foco de este libro son las aplicaciones del análisis del discurso en la evaluación relevante de textos, la gestión del diálogo y la generación de contenido, que ayudan a superar las limitaciones de los enfoques basados ​​en plataformas y basados ​​en datos. El código y el material complementario están disponibles en https://github.com/bgalitsky/relevance-based-on-parse-trees. Nota de contenido: Introduction to Chatbots -- Social Chatbots and Development Platforms -- Chatbot Components and Architectures -- Providing Natural Language Access to a Database -- Chatbot Relevance at Syntactic Level -- Semantic Skeleton-based Search for Question and Answering Chatbots -- Relevance at the Level of Paragraph: Parse Thickets -- Chatbot Thesauri -- Content Processing Pipeline -- Achieving Rhetoric Agreement in a Conversation -- Discourse-level Dialogue Management,- Chatbots Providing and Accepting Argumentation. . Tipo de medio : Computadora Summary : A chatbot is expected to be capable of supporting a cohesive and coherent conversation and be knowledgeable, which makes it one of the most complex intelligent systems being designed nowadays. Designers have to learn to combine intuitive, explainable language understanding and reasoning approaches with high-performance statistical and deep learning technologies. Today, there are two popular paradigms for chatbot construction: 1. Build a bot platform with universal NLP and ML capabilities so that a bot developer for a particular enterprise, not being an expert, can populate it with training data; 2. Accumulate a huge set of training dialogue data, feed it to a deep learning network and expect the trained chatbot to automatically learn "how to chat". Although these two approaches are reported to imitate some intelligent dialogues, both of them are unsuitable for enterprise chatbots, being unreliableand too brittle. The latter approach is based on a belief that some learning miracle will happen and a chatbot will start functioning without a thorough feature and domain engineering by an expert and interpretable dialogue management algorithms. Enterprise high-performance chatbots with extensive domain knowledge require a mix of statistical, inductive, deep machine learning and learning from the web, syntactic, semantic and discourse NLP, ontology-based reasoning and a state machine to control a dialogue. This book will provide a comprehensive source of algorithms and architectures for building chatbots for various domains based on the recent trends in computational linguistics and machine learning. The foci of this book are applications of discourse analysis in text relevant assessment, dialogue management and content generation, which help to overcome the limitations of platform-based and data driven-based approaches. Supplementary material and code is available at https://github.com/bgalitsky/relevance-based-on-parse-trees. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
