Sistema com agente conversacional para responder FAQs de um banco
Na videoaula "Phyton no desenvolvimento de agentes conversacionais", localizada na UNIDADE 2 (Introdução aos chatbots e agentes de diálogo), houve o desenvolvimento de um agente conversacional voltado para perguntas frequentes de um banco, disponível via Google Colab.
Faça uso de seus conhecimentos em Python e Processamento de Linguagem Natural para implementar uma das melhorias propostas na seção "O que mais pode ser feito?", listadas a seguir:
- Organizar melhor o chatbot ao utilizar uma função única para gerenciamento de diálogos, removendo, assim, as funções de controle de saudações, agradecimento e despedidas.
- Armazenar todas as listagens de possíveis respostas em arquivos externos (como foi feito com o corpus do FAQ), evitando ter de editar o código sempre que for preciso adicionar novas respostas.
- Atualmente, o corpus de FAQ contém apenas as respostas possíveis. Poderíamos adicionar a ele as perguntas relativas a cada resposta, de modo a verificar a similaridade entre a pergunta feita pelo usuário e a pergunta do FAQ, e não com a possível resposta. Com isso, espera-se que o chatbot seja mais preciso ao encontrar respostas, pois a similaridade encontrada tenderá a ser maior. (** IMPLEMENTADA!)
- Utilizar web scraping para montar corpus de FAQ automaticamente, ao ler todas as perguntas e respostas diretamente do site do banco (por exemplo, FAQ do BB).
Foram utilizados os seguintes recursos tecnológicos:
- Natural Language Toolkit - NLTK
- NumPy
- Industrial-Strength Natural Language Processing - spaCy
- Google Colaboratory - Colab
Distribuído sob a licença MIT. Veja LICENSEpara informações adicionais.
Autora: Carla Edila Silveira
E-mail: rosa.carla@pucpr.edu.br