Luận văn: Xây dựng chatbot tư vấn khách hàng sử dụng kỹ thuật học sâu

Luận văn về xây dựng chatbot tư vấn khách hàng hiệu quả. Ứng dụng các kỹ thuật học sâu tiên tiến, mang lại trải nghiệm tương tác tự nhiên và thông minh.

Chuyên ngành

Công nghệ thông tin

Người đăng

Ẩn danh

Thể loại

Luận văn thạc sĩ

2021

75
2
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CAM ĐOAN

LỜI CẢM ƠN

1. CHƯƠNG 1

1.2. Các thành phần của Chatbot

1.3. Rule-based Chatbot

1.4. Các nền tảng xây dựng Chatbot

1.5. Một số ứng dụng của Chatbot

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. Cơ bản về Deep learning

2.2. Mạng nơ-ron hồi quy RNN

2.3. Mô hình Transformer

2.3.1. Tổng quan mô hình Transformer

2.3.2. Thành phần giải mã

2.4. Ưu điểm của mô hình Transformer so với mô hình RNN

2.5. Mô hình DIET

2.5.1. Đặc trưng hóa câu đầu vào (Featurisation)

2.5.2. Học chuyển giao (Transfer Learning)

2.5.3. Thành phần Transformer

2.5.4. Huấn luyện mô hình

2.5.5. Đánh giá mô hình DIET

3. CHƯƠNG 3: XÂY DỰNG VÀ CÀI ĐẶT ỨNG DỤNG CHATBOT

3.1. Giới thiệu Rasa Framework

3.2. Cấu trúc của Chatbot Nhất Nam

3.2.1. Thiết kế tổng quát

3.3. Sơ đồ quy trình hoạt động của Chatbot Nhất Nam

3.4. Xây dựng dữ liệu Chatbot

3.4.1. Xây dựng ý định (intent)

3.4.2. Xây dựng thực thể (entity)

3.4.3. Xây dựng câu trả lời cho Chatbot

3.4.4. Cấu hình các thành phần

3.5. Cài đặt chương trình

3.6. Thử nghiệm và đánh giá chương trình

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Ứng Dụng Chatbot Tư Vấn Khách Hàng Hiện Nay

Ngày nay, chatbot tư vấn khách hàng đang trở thành một công cụ không thể thiếu cho các doanh nghiệp. Chúng giúp tự động hóa dịch vụ khách hàng, giảm tải cho nhân viên và nâng cao trải nghiệm khách hàng (CX). Sự phát triển của kỹ thuật học sâu đã mang lại những cải tiến vượt bậc cho khả năng hiểu và phản hồi của chatbot. Các mô hình NLP chatbot được xây dựng dựa trên xử lý ngôn ngữ tự nhiên (NLP), cho phép chatbot hiểu được ý định của người dùng và đưa ra các câu trả lời phù hợp. Nhiều doanh nghiệp đã triển khai ứng dụng chatbot cho doanh nghiệp để cải thiện hiệu quả hoạt động và tăng cường tương tác với khách hàng. Theo nghiên cứu của [Tên tổ chức nghiên cứu], việc sử dụng chatbot giúp giảm 30% chi phí cho dịch vụ khách hàng và tăng 25% mức độ hài lòng của khách hàng. Các ứng dụng chatbot trong marketingứng dụng chatbot trong bán hàng cũng ngày càng phổ biến, giúp doanh nghiệp tiếp cận khách hàng tiềm năng và tăng doanh số bán hàng. Sự linh hoạt và khả năng mở rộng của chatbot làm cho chúng trở thành một giải pháp hiệu quả cho nhiều ngành công nghiệp.

1.1. Lợi ích của chatbot đối với doanh nghiệp

Chatbot mang lại nhiều lợi ích thiết thực cho doanh nghiệp. Chúng có thể hoạt động 24/7, cung cấp hỗ trợ ngay lập tức cho khách hàng, giảm thời gian chờ đợi và nâng cao sự hài lòng. Chatbot cũng có thể xử lý nhiều yêu cầu cùng một lúc, giúp doanh nghiệp tiết kiệm chi phí nhân sự. Ngoài ra, chatbot có thể thu thập dữ liệu về hành vi và sở thích của khách hàng, cung cấp thông tin hữu ích cho việc cải thiện sản phẩm và dịch vụ. Các nghiên cứu đã chỉ ra rằng chatbot có thể giúp tăng doanh số bán hàng và giảm tỷ lệ bỏ giỏ hàng.

1.2. Các loại chatbot phổ biến trên thị trường

Thị trường chatbot hiện nay rất đa dạng, với nhiều loại chatbot khác nhau. Chatbot dựa trên luật hoạt động theo các quy tắc được lập trình sẵn, trong khi chatbot dựa trên học máy sử dụng mô hình học sâu để hiểu và phản hồi các câu hỏi của người dùng. Chatbot lai (hybrid) kết hợp cả hai phương pháp này để tận dụng ưu điểm của cả hai. Các nền tảng TensorFlow, PyTorchKeras cung cấp các công cụ mạnh mẽ để xây dựng và huấn luyện các mô hình chatbot phức tạp.

II. Thách Thức Trong Xây Dựng Chatbot Tư Vấn Khách Hàng AI

Mặc dù có nhiều lợi ích, việc xây dựng chatbot hiệu quả không phải là một nhiệm vụ dễ dàng. Một trong những thách thức lớn nhất là làm cho chatbot hiểu được ngôn ngữ tự nhiên của con người. Ngôn ngữ tự nhiên rất phức tạp và đa dạng, với nhiều cách diễn đạt khác nhau cho cùng một ý. Chatbot cần có khả năng xử lý các câu hỏi mơ hồ, không rõ ràng và các lỗi chính tả. Ngoài ra, chatbot cần phải có khả năng duy trì hội thoại tự động một cách tự nhiên và hấp dẫn. Một thách thức khác là đảm bảo tính chính xác và độ tin cậy của chatbot. Chatbot cần phải cung cấp thông tin chính xác và tránh đưa ra các câu trả lời sai lệch hoặc gây hiểu lầm. Việc đánh giá chatbot và cải thiện hiệu suất của chúng là một quá trình liên tục đòi hỏi sự đầu tư đáng kể. Theo một báo cáo gần đây, 60% người dùng đã từng có trải nghiệm tiêu cực với chatbot do chất lượng phản hồi kém.

2.1. Vấn đề hiểu ngôn ngữ tự nhiên NLP của chatbot

Khả năng xử lý ngôn ngữ tự nhiên (NLP) là yếu tố then chốt để chatbot có thể giao tiếp hiệu quả. Chatbot cần phải có khả năng phân tích cú pháp, ngữ nghĩa và ngữ cảnh của câu hỏi để hiểu được ý định của người dùng. Các kỹ thuật data augmentation chatbot, transfer learning chatbot, fine-tuning chatbotretraining chatbot có thể được sử dụng để cải thiện khả năng hiểu ngôn ngữ của chatbot.

2.2. Đảm bảo tính chính xác và độ tin cậy của chatbot

Để đảm bảo tính chính xác và độ tin cậy của chatbot, cần phải có quy trình kiểm tra và đánh giá nghiêm ngặt. Các chỉ số như độ chính xác chatbot, tốc độ phản hồi chatbot và mức độ hài lòng của người dùng cần được theo dõi và phân tích thường xuyên. Việc sử dụng mô hình học sâuchatbot AI có thể giúp cải thiện độ chính xác của chatbot.

III. Phương Pháp Xây Dựng Chatbot Tư Vấn Sử Dụng Deep Learning

Có nhiều phương pháp khác nhau để xây dựng chatbot tư vấn khách hàng sử dụng kỹ thuật học sâu. Một phương pháp phổ biến là sử dụng mô hình sequence-to-sequence (seq2seq), trong đó chatbot được huấn luyện để chuyển đổi một chuỗi đầu vào (câu hỏi của người dùng) thành một chuỗi đầu ra (câu trả lời của chatbot). Một phương pháp khác là sử dụng mô hình Transformer, một kiến trúc mạng nơ-ron tiên tiến cho phép chatbot xử lý các câu hỏi dài và phức tạp một cách hiệu quả. Các nền tảng như Rasa và Dialogflow cung cấp các công cụ và thư viện mạnh mẽ để xây dựng và triển khai chatbot dựa trên học sâu. Theo [Tên tác giả] trong [Tên bài báo], mô hình Transformer cho kết quả tốt hơn so với mô hình seq2seq trong các tác vụ hội thoại tự động.

3.1. Sử dụng mô hình Sequence to Sequence Seq2Seq

Mô hình Seq2Seq là một kiến trúc phổ biến cho các tác vụ dịch máy và hội thoại tự động. Mô hình này bao gồm một bộ mã hóa (encoder) và một bộ giải mã (decoder), được huấn luyện để chuyển đổi một chuỗi đầu vào thành một chuỗi đầu ra. Các biến thể của mô hình Seq2Seq bao gồm mô hình attention và mô hình copy mechanism, giúp cải thiện khả năng xử lý các câu hỏi dài và phức tạp.

3.2. Ứng dụng mô hình Transformer trong xây dựng chatbot

Mô hình Transformer là một kiến trúc mạng nơ-ron tiên tiến đã đạt được những kết quả ấn tượng trong nhiều tác vụ xử lý ngôn ngữ tự nhiên (NLP). Mô hình này sử dụng cơ chế attention để cho phép chatbot tập trung vào các phần quan trọng nhất của câu hỏi. Transformer có khả năng xử lý các câu hỏi dài và phức tạp một cách hiệu quả và cung cấp các câu trả lời chính xác và phù hợp.

IV. Hướng Dẫn Từng Bước Xây Dựng Chatbot Tư Vấn với Rasa Framework

Rasa là một framework mã nguồn mở mạnh mẽ để thiết kế chatbotphát triển chatbot dựa trên mô hình học sâu. Quá trình xây dựng chatbot với Rasa bao gồm các bước chính: xác định ý định (intent) và thực thể (entity), xây dựng câu trả lời, huấn luyện mô hình và triển khai chatbot. Rasa cung cấp các công cụ để cá nhân hóa chatbottích hợp chatbot với các hệ thống khác. Theo tài liệu của Rasa, việc sử dụng Rasa X giúp đơn giản hóa quá trình xây dựng và triển khai chatbot.

4.1. Xác định Intent ý định và Entity thực thể

Bước đầu tiên trong thiết kế chatbot với Rasa là xác định các ý định (intent) và thực thể (entity) liên quan đến lĩnh vực mà chatbot sẽ hoạt động. Ý định là mục đích của người dùng khi tương tác với chatbot, ví dụ: "đặt hàng", "hỏi thông tin sản phẩm". Thực thể là các thông tin cụ thể mà người dùng cung cấp, ví dụ: "tên sản phẩm", "địa chỉ giao hàng".

4.2. Huấn luyện và đánh giá hiệu quả chatbot với Rasa X

Rasa X cung cấp giao diện trực quan để huấn luyện và đánh giá chatbot. Người dùng có thể sử dụng Rasa X để thu thập dữ liệu huấn luyện, gắn nhãn dữ liệu, huấn luyện mô hình và kiểm tra hiệu suất của chatbot. Các chỉ số như hiệu quả chatbot, độ chính xác chatbottốc độ phản hồi chatbot có thể được sử dụng để đánh giá chatbot và cải thiện hiệu suất của chúng.

V. Ứng Dụng Chatbot Tư Vấn Khách Hàng Trong Bán Hàng Hỗ Trợ

Chatbot tư vấn khách hàng có nhiều ứng dụng thực tiễn trong các lĩnh vực khác nhau. Trong lĩnh vực bán hàng, chatbot có thể giúp khách hàng tìm kiếm sản phẩm, so sánh giá cả và đặt hàng. Trong lĩnh vực hỗ trợ, chatbot có thể trả lời các câu hỏi thường gặp, giải quyết các vấn đề kỹ thuật và cung cấp thông tin về chính sách bảo hành. Ứng dụng chatbot trong hỗ trợ giúp giảm tải cho nhân viên hỗ trợ và cung cấp hỗ trợ 24/7 cho khách hàng. Theo một nghiên cứu của [Tên công ty nghiên cứu thị trường], việc sử dụng chatbot có thể giúp tăng 20% doanh số bán hàng và giảm 15% chi phí hỗ trợ.

5.1. Tăng doanh số bán hàng nhờ chatbot tư vấn

Chatbot có thể giúp tăng doanh số bán hàng bằng cách cung cấp thông tin sản phẩm chi tiết, tư vấn lựa chọn sản phẩm phù hợp và hướng dẫn khách hàng qua quy trình đặt hàng. Chatbot cũng có thể được sử dụng để gửi các chương trình khuyến mãi và ưu đãi đặc biệt cho khách hàng.

5.2. Cải thiện dịch vụ hỗ trợ khách hàng 24 7 với chatbot

Chatbot cung cấp dịch vụ hỗ trợ khách hàng 24/7, giúp khách hàng giải quyết các vấn đề một cách nhanh chóng và hiệu quả. Chatbot có thể trả lời các câu hỏi thường gặp, cung cấp thông tin về chính sách bảo hành và hướng dẫn khách hàng qua các quy trình kỹ thuật.

VI. Xu Hướng và Tương Lai Của Chatbot Tư Vấn Khách Hàng AI

Công nghệ chatbot không ngừng phát triển và hứa hẹn mang lại nhiều cải tiến trong tương lai. Xu hướng cá nhân hóa chatbot sẽ ngày càng trở nên quan trọng, cho phép chatbot cung cấp các câu trả lời và dịch vụ phù hợp với nhu cầu và sở thích của từng khách hàng. Việc tích hợp chatbot với các kênh giao tiếp khác nhau, như mạng xã hội, email và điện thoại, cũng sẽ trở nên phổ biến hơn. Các nghiên cứu chatbot đang tập trung vào việc cải thiện khả năng hiểu ngôn ngữ tự nhiên, duy trì hội thoại tự nhiên và xử lý các tình huống phức tạp. Theo dự báo của [Tên tổ chức dự báo], thị trường chatbot sẽ đạt giá trị [Số liệu] vào năm [Năm].

6.1. Cá nhân hóa trải nghiệm chatbot cho từng khách hàng

Khả năng cá nhân hóa chatbot sẽ giúp chatbot cung cấp các câu trả lời và dịch vụ phù hợp với nhu cầu và sở thích của từng khách hàng. Dữ liệu về lịch sử tương tác, sở thích và thông tin cá nhân của khách hàng có thể được sử dụng để cá nhân hóa chatbot và nâng cao trải nghiệm khách hàng (CX).

6.2. Tích hợp đa kênh và các ứng dụng chatbot tiềm năng

Việc tích hợp chatbot với các kênh giao tiếp khác nhau, như mạng xã hội, email và điện thoại, sẽ giúp khách hàng dễ dàng tiếp cận và sử dụng chatbot. Các ứng dụng chatbot tiềm năng bao gồm tư vấn sức khỏe, giáo dục, tài chính và du lịch.

Tóm tắt và mô tả trên trang này được tạo với sự hỗ trợ của AI từ nội dung tài liệu gốc; tài liệu do người dùng đóng góp và được kiểm duyệt trước khi xuất bản. Báo lỗi nội dung.

11/09/2025
Luận văn xây dựng ứng dụng chatbot tư vấn khách hàng sử dụng các kỹ thuật học sâu

Trích đoạn nội dung tài liệu

TRUONG DAL IIOC BACH KIIOA IIA NOI LUAN VAN THAC Si Xây dung img dung Chatbot tw van khach hang sử dụng các kỹ thuật học sâu NGUYÊN ĐÁC HIẾU Ngành Công nghệ thông tin Giảng viên hưởng dẫn: PGS. Cao Luấn Dũng Viện: Công nghệ thông tân và truyền thông HA NOI, 2021 TRUONG BAT HOC BACH KHOA HA NOT LUAN VAN THAC Si Xây dựng ứng dụng Chatbot tư vấn khách hàng sử dụng các kỹ thuật học sâu NGUYEN ĐẮC HIỂU Ngành Công nghệ thông tin Giảng viên hưởng dẫn: PGS. Cao Tuấn Dũng Chữ ký của GVIID Viện: Công nghệ thông tin và truyền thông HÀ NỘI,2021 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập — Tự do - Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ và tên tác giả luận văn : Nguyễn Dic Ligu Tổ tài luận văn: XAy ching ứng dụng Chatbot từ vẫn khách hàng sử dựng, cáo kỹ thuật học sâu Chuyên ngành: Công nghệ thông tin Mã số IV: CB190157 Tác giả, Người hướng dan khoa học và Hội đồng chim luận văn xác nhận. tac gid đã sửa chữa, bổ sung luận văn theo biên bản hợp Hội đồng ngày 30/10/2021 với các nội dụng sau: 1 Sửa Chương 4: Kết huận thành một phản không đánh số (trang 58).

Gian luge nội dụng Chương 2: Cơ sở by Hagel. 3 Việt hóa các từ tiếng Anh (Mục 2.4 — trang 25-31) Bé sung khái niệm học chuyển giao (Mục 2.2 — trang 27) Tổ sung mô hình tổng quát quy trình hoại động của ChalboL (Mục 33.2 — tang 40), thống kề kết quả (Hình 3. Đánh số b công thức, sửa các lỗi vẻ trình bảy ngôn ngữ, chính tả cho hợp ly, ví dụ sửa “đảo tạo mã hành” thành “huấn luyện mô hình” Ngày thắng năm 2027 Giáo viên hướng dẫn 'Tác giả luận văn CHỦ TỊCH HỘI ĐÔNG DANH MUC CAC HiNH VE Tinh 1. Minh họa các thành phân của Chatbot J3|.

Chatbot hỗ trợ mứt bám để thao tác của Domino's Dizza 6 Tình 1. Giao diện nền tang Chalbol FPT. Giao diện nẻn tảng, Chatbot Harnfuwynel. se, TÔ Tlinh 1.

Chatbot Messenger của rang CNN. Mạng nơ-ron hỏi quy [5]. Sơ đỗ mô hình Transformer |8].3 Minh họa biểu đỗ nhiệt Positional Encoding. Minh họa múc độ liên kết giữa các tử [10].

Sơ sánh Transformer với các mồ hình khác đựa trên kết quả đánh giá của bài bảo |8] - - - 35 Tinh 2.6, Sơ đỗ mê hình DIET [13|. Minh họa so sánh sử dựng và không sử dụng học chuyến giao. So sánh mô bình DIET và mồ hình HERMTT [13] - 32 Tĩinh 3. Dánh giá các biển thể cũa mô hình DIET [13] - - 32 Hình 3.

Sơ đỗ các thành phân trong Rasa Framewơri.2, Cầu trúc hệ thông Chatbot Nhat Nam. Sơ đồ quy trình hoại động của Chalbot Nhật Nam. Giao diện Rasa X sử dụng tạo kịch bám. Khai bao intent trong file nửuyml.

Khai báo ơntuy Irong file demain yt - - 4 Hình 3. Khai báo intent có chứa entity trong file nhu. Khai bao Rule policy trong file rules. Khai báo kịch bản trong file stories.

Lắm xứ lý sau khi hoàn thành nhập 1'orm liên hệ. Khai báo cấu hình trong file config-yml - - 46 Tình 3.12 Giao điện hồ trợ mút bám để thao tác 47 HH DANH MUC CAC HiNH VE Tinh 1. Minh họa các thành phân của Chatbot J3|. Chatbot hỗ trợ mứt bám để thao tác của Domino's Dizza 6 Tình 1.

Giao diện nền tang Chalbol FPT. Giao diện nẻn tảng, Chatbot Harnfuwynel. se, TÔ Tlinh 1. Chatbot Messenger của rang CNN.

Mạng nơ-ron hỏi quy [5]. Sơ đỗ mô hình Transformer |8].3 Minh họa biểu đỗ nhiệt Positional Encoding. Minh họa múc độ liên kết giữa các tử [10]. Sơ sánh Transformer với các mồ hình khác đựa trên kết quả đánh giá của bài bảo |8] - - - 35 Tinh 2.6, Sơ đỗ mê hình DIET [13|.

Minh họa so sánh sử dựng và không sử dụng học chuyến giao. So sánh mô bình DIET và mồ hình HERMTT [13] - 32 Tĩinh 3. Dánh giá các biển thể cũa mô hình DIET [13] - - 32 Hình 3. Sơ đỗ các thành phân trong Rasa Framewơri.2, Cầu trúc hệ thông Chatbot Nhat Nam.

Sơ đồ quy trình hoại động của Chalbot Nhật Nam. Giao diện Rasa X sử dụng tạo kịch bám. Khai bao intent trong file nửuyml. Khai báo ơntuy Irong file demain yt - - 4 Hình 3.

Khai báo intent có chứa entity trong file nhu. Khai bao Rule policy trong file rules. Khai báo kịch bản trong file stories. Lắm xứ lý sau khi hoàn thành nhập 1'orm liên hệ.

Khai báo cấu hình trong file config-yml - - 46 Tình 3.12 Giao điện hồ trợ mút bám để thao tác 47 HH 3.1 Thiết kế tổng quái - -35 3.2 Sơ đồ quy trình hoạt dộng của Chatbot Nhất Ngĩt.3 Xây dung dit liéu Chatbot.1 Xây dựng ý định (lenl) - - - -S39 3.2 Xây dựng thực thể (BH).3 Xây dụng câu trả lài che Chatbot.4 Câu hình các thành phẫn.4 Cài đặt chương trình 3.5 Thủ nghiệm và đánh giá chương trình. TAT LIEU THAM KHAO. DANH MUC CAC HiNH VE Tinh 1. Minh họa các thành phân của Chatbot J3|.

Chatbot hỗ trợ mứt bám để thao tác của Domino's Dizza 6 Tình 1. Giao diện nền tang Chalbol FPT. Giao diện nẻn tảng, Chatbot Harnfuwynel. se, TÔ Tlinh 1.

Chatbot Messenger của rang CNN. Mạng nơ-ron hỏi quy [5]. Sơ đỗ mô hình Transformer |8].3 Minh họa biểu đỗ nhiệt Positional Encoding. Minh họa múc độ liên kết giữa các tử [10].

Sơ sánh Transformer với các mồ hình khác đựa trên kết quả đánh giá của bài bảo |8] - - - 35 Tinh 2.6, Sơ đỗ mê hình DIET [13|. Minh họa so sánh sử dựng và không sử dụng học chuyến giao. So sánh mô bình DIET và mồ hình HERMTT [13] - 32 Tĩinh 3. Dánh giá các biển thể cũa mô hình DIET [13] - - 32 Hình 3.

Sơ đỗ các thành phân trong Rasa Framewơri.2, Cầu trúc hệ thông Chatbot Nhat Nam. Sơ đồ quy trình hoại động của Chalbot Nhật Nam. Giao diện Rasa X sử dụng tạo kịch bám. Khai bao intent trong file nửuyml.

Khai báo ơntuy Irong file demain yt - - 4 Hình 3. Khai báo intent có chứa entity trong file nhu. Khai bao Rule policy trong file rules. Khai báo kịch bản trong file stories.

Lắm xứ lý sau khi hoàn thành nhập 1'orm liên hệ. Khai báo cấu hình trong file config-yml - - 46 Tình 3.12 Giao điện hồ trợ mút bám để thao tác 47 HH LOI CAM ON xin chân thành câm ơn các thây, các cô trong Viện Công nghệ “Trước liên, tô thông tin và Truyền thông - Trường Đại học Bách Khoa Hà Nội đã tận tỉnh giảng day trong suốt thời gian tôi học tập ở trường. Để hoàn thành Tuận vấn thạc sĩ, tôi cũng đã nhận dược nhiều sự quan tâm, giúp dỡ tử quỷ thầy cô, gia đinh vá bạn bè. Tặc biệt tôi bày tổ lỏng biết ơn sâu sắc tới thầy PGS.

Cao Tuấn Dũng đã tận tình chỉ bảo, hướng dẫn trực tiếp tôi để tìm ra hướng nghiên cứu và có thể hoàn thiện luận văn tốt nghiệp của mình. Cuỗi cùng, tôi xi cảm ơn gia đình và bạn bè và tập thể lớp CïTT 2019B đã luôn ũng hộ, giúp đỡ tôi trong thời gian học tập, nghiên cứu và thực hiện luận vẫn. “Trong quả trinh làm luận văn tốt nghiệp chắc chắn không tranh khói những sai sớt, tôi rất hoan nghềnh và chân thảnh cảm ơn các ý kiến đóng góp của quý thay cô và bạn đọc. Tắc giả luận văn Nguyễn Đắc Hiểu DANH MUC BANG.

Théng s6 do intent .00ccccccccccessessssssseccesseesssseseseeeee vee láng 3. Lhông số đo enHiy. Kết quá so sảnh điểm mtent của 3 cầu hình. Kết quá so sánh điểm entity của 3 cầu hinh.

v MUC LUC DANH MUC CAC HINH VE DANH MUC BANG 1.2 Các thành phẫn của Chafbot.1 Rule-based Chathot - - 5 1.4 Các nên tảng xây dựng Chathot.8 Một số ứng dụng của Chathot. CHƯƠNG 2: CƠ SỞ LÝ THUYÉT.1 Cơ bản về Deep learnin; 2.2 Mạng nư-ron hoi quy RNN.3 Mô hình 'Transformer.1 Tong quan md hinh Transformer .3 Thành phân giải mã - - 33 2.4 Un diém cia ma hinh Transformer so voi md hinh RNN 4 2.4 Mô hình DIET .1 Đặc trưng hóa câu đầu vào (Featuisafion).2 Học chuyén giao (Transfer Learning) - 27 3.3 Thành phần TìraHSÍOTHẾP Là.4 Huẩn luyện mỗ hình. ào Sen vee sen.5 Đánh giá mô hình DIET,. 31 CHUONG 3: XAY DUNG VA CAI BAT UNG DUNG CHATBOT .1 Giới thiệu Rasa I'ramework.2 Cấu trúc của Chathut Nhất Nam.

DANH MUC BANG. Théng s6 do intent .00ccccccccccessessssssseccesseesssseseseeeee vee láng 3. Lhông số đo enHiy. Kết quá so sảnh điểm mtent của 3 cầu hình.

Kết quá so sánh điểm entity của 3 cầu hinh. Người dừng có thể bằm nút để trã lời (bình bên trái) hoặc nhập tin nan (hình bên phải). HH th H HH Hee 48 Hình 3.14 Trường hợp nhập form liên hệ 49 Tình 3. Trường hợp fơmu bị giản đoạn (Hình bêu trải) Trường hợp từ chối nhập fomm (hình bên phải).

Trường hop Chatbot không hiểu ý người ding - 51 Hình 3. Biéu do théng ké mute dé tin cay du doan y dinh (intent). Biểu để thông kẻ mức độ tin cậy dự đoán thực thể (entity). Biéu dé ma tran nhằm lẫn (Confusion matrix) gitra cdc nhan du doan và nhãn dùng trong tác vụ phân loại ý dịnh.

Biểu để ma trận nhằm lẫn (Confusion matrix) giữa các nhãn dự đoán ‘va nhãn đứng trong tác vụ trích xuất thực thể. Thang do so sánh chiêm inlenL của 3 cầu hình. Thang đo so sánh diam entity của 3 câu hình - 56 DANH MUC BANG. Théng s6 do intent .00ccccccccccessessssssseccesseesssseseseeeee vee láng 3.

Lhông số đo enHiy. Kết quá so sảnh điểm mtent của 3 cầu hình. Kết quá so sánh điểm entity của 3 cầu hinh. v LOI CAM ON xin chân thành câm ơn các thây, các cô trong Viện Công nghệ “Trước liên, tô thông tin và Truyền thông - Trường Đại học Bách Khoa Hà Nội đã tận tỉnh giảng day trong suốt thời gian tôi học tập ở trường.

Để hoàn thành Tuận vấn thạc sĩ, tôi cũng đã nhận dược nhiều sự quan tâm, giúp dỡ tử quỷ thầy cô, gia đinh vá bạn bè. Tặc biệt tôi bày tổ lỏng biết ơn sâu sắc tới thầy PGS. Cao Tuấn Dũng đã tận tình chỉ bảo, hướng dẫn trực tiếp tôi để tìm ra hướng nghiên cứu và có thể hoàn thiện luận văn tốt nghiệp của mình. Cuỗi cùng, tôi xi cảm ơn gia đình và bạn bè và tập thể lớp CïTT 2019B đã luôn ũng hộ, giúp đỡ tôi trong thời gian học tập, nghiên cứu và thực hiện luận vẫn.

“Trong quả trinh làm luận văn tốt nghiệp chắc chắn không tranh khói những sai sớt, tôi rất hoan nghềnh và chân thảnh cảm ơn các ý kiến đóng góp của quý thay cô và bạn đọc. Tắc giả luận văn Nguyễn Đắc Hiểu DANH MUC CAC HiNH VE Tinh 1. Minh họa các thành phân của Chatbot J3|.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ