| TÃtulo : |
Developing Enterprise Chatbots : Learning Linguistic Structures |
| Tipo de documento: |
documento electrónico |
| Autores: |
Galitsky, Boris, Autor |
| 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. |
| Palabras clave: |
Inteligencia artificial LigüÃstica computacional IngenierÃa de software |
| Ãndice Dewey: |
006.3 Inteligencia artificial |
| 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. . |
| En lÃnea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Developing Enterprise Chatbots : Learning Linguistic Structures [documento electrónico] / Galitsky, Boris, Autor . - 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.
| Palabras clave: |
Inteligencia artificial LigüÃstica computacional IngenierÃa de software |
| Ãndice Dewey: |
006.3 Inteligencia artificial |
| 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. . |
| En lÃnea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Developing Enterprise Chatbots
