Repository logo
 
Publication

Descoberta de fluxos de diálogo através de técnicas de aprendizagem computacional

dc.contributor.advisorAlves, Ana Cristina Costa Oliveira
dc.contributor.advisorOliveira, Hugo Gonçalo
dc.contributor.authorMartins, Daniel Lemos
dc.date.accessioned2023-04-05T10:54:14Z
dc.date.available2023-04-05T10:54:14Z
dc.date.issued2023-03-29
dc.date.submitted2023-01-10
dc.description.abstractOs centros de atendimento são alvo de elevada pressão para atingir altos níveis de exigência, fruto da migração de mercados para o mundo digital. Os utilizadores cada vez mais esperam ter os seus problemas resolvidos em tempo real e à distância de um clique. Por esta razão, estes serviços tornam-se essenciais na relação cliente empresa. O sucesso ou insucesso da interação entre um cliente e um centro de atendimento depende principalmente dos agentes envolvidos, sejam humanos ou virtuais, pois são eles que desempenham o papel principal na comunicação com o utilizador. Com os avanços da Inteligência Artificial e de Machine Learning tem-se procurado desenvolver soluções capazes de automatizar ou acelerar a comunicação com o utilizador. No entanto, são muitos os desafios encontrados para atingir o objetivo final: uma otimização dos agentes inteligentes para que ofereçam uma resposta rápida e eficaz. Desta forma, é imperativo manter completo e atualizado o conhecimento destes agentes para que possam responder às necessidades e requisitos dos clientes. Neste sentido, o presente trabalho utiliza técnicas de Processamento de Linguagem Natural e recorre à aprendizagem não supervisionada para agrupar falas em diferentes conjuntos de diálogos públicos de acordo com o seu significado. São utilizadas diferentes representações das falas, que levam a uma análise sobre o que os clusters obtidos representam e do que se aproximam. Esse clustering permite identificar sequências entre conjuntos relacionados de falas, e assim representar fluxos de diálogo. Estes permitem dar uma visão de alto nível de conversas, que servirão de auxílio aos agentes inteligentes e, consequentemente, aos centros de atendimento. Esse auxílio foi testado através da criação de um chatbot que tenha como orientação os fluxos que foram produzidos. Através de abordagens não supervisionadas propõe-se uma metodologia para criar fluxos de diálogo que podem ser uma ferramenta valiosa para melhorar a eficiência de sistemas de recomendação.pt_PT
dc.identifier.tid203310470
dc.identifier.urihttp://hdl.handle.net/10400.26/44446
dc.language.isoporpt_PT
dc.subjectProcessamento de linguagem naturalpt_PT
dc.subjectReconhecimento de atos de diálogopt_PT
dc.subjectReconhecimento de intentspt_PT
dc.subjectMachine learningpt_PT
dc.subjectModelos de Markovpt_PT
dc.subjectChatbotspt_PT
dc.titleDescoberta de fluxos de diálogo através de técnicas de aprendizagem computacionalpt_PT
dc.typemaster thesis
dspace.entity.typePublication
rcaap.rightsopenAccesspt_PT
rcaap.typemasterThesispt_PT

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Daniel-Lemos-Martins.pdf
Size:
8.85 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.85 KB
Format:
Item-specific license agreed upon to submission
Description: