Demonstração do assistente virtual
A solução utiliza as melhores práticas de divisão de responsabilidades em microserviços.
O backend foi construído em arquitetura REST e executado por funções Lambdas.
O Mobile App para Realidade Aumentada foi desenvolvido em react native por outro integrante da equipe.
Twilio: integração com o WhatsApp para receber solicitações e posterior resposta.
Sumerian: criação da interface 3D do assistente virtual.
Dialogflow: motor do chatbot utilizado para respostas de dúvidas.
Python Backend serverless: funções responsáveis pelas funcionalidades da solução.
Reconhecimento de imagens:
Descrição: O microserviço de reconhecimento de imagens possibilita que além de identificar os componentes da imagem, seja possivel sugerir as categorias e também recortar na foto somente o elemento que esteja sendo vendido.
Scrap:
Descrição: Após o usuário informar o link de um produto parecido, o assistente irá analisar a página e obter os diversos campos do produto, além da lista de perguntas. Essas informações terão 2 objetidos: Campos do produto podem ser utilizados pelo vendedor para ajustar algo específico sem precisar digitar tudo do zero. Lista de perguntas poderá ser utilizada para treinamento automático do Chatbot.
Chatbot:
Descrição: A criação do ChatBot foi feita para identificar trechos das frases relacionadas a "entidade produto" e a "entidade duvida". Após essa identificação, conseguiremos ter recebido uma entrada com dados não estruturados e teremos identificado os componentes de maneira estruturada para possibilitar a pesquisa no Banco de Dados. Um dos principais desafios da construção de robôs que utilizam NPU (Natural Language Understanding) é o treinamento do modelo com diversos exemplos para que o mecanismo de ML (machine learning) utilizado pelo motor do Chatbot consiga ter exemplos significativos de cada "entidade".
Treinamento automatizado do Chatbot:
Descrição: Com base nas perguntas que o microserviço Scrap tiver coletado, poderá ser disparado o treinamento automático do motor do Chatbot. Esse é um dos principais desafios, pois o Dialogflow não possui em sua API uma chamada simples de treinamento onde pudesse ser definido a frase de treinamento para ser incorporada ao que já existe. A lista de pergunta já está sendo obtida e carregada em uma arquivo JSON, mas o treinamento automatizado com base nas perguntas coletadas nas páginas dos marketplaces é um ponto que ainda está em desenvolvimento.
Comunicação do Assistente em diversos canais: Whatsapp, Facebook, Twitter
Descrição: A ferramenta utilizada como Dialogflow permite que o Chatbot seja utilizado em diversos canais. Dessa forma, o cadastro de produtos por um Vendedor poderia ocorrer também por Facebook, por exemplo. Da mesma forma, dúvidas de compradores poderiam ser recebidas por outros canais, Twitter por exemplo.
Armazenamento das imagens:
Descrição: Esse componente da solução é responsável por armazenar no Bucket as imagens recebidas durante o processo de reconhecimento de imagens.
Demonstração do módulo Chatbot utilizado pelo OLY
