دانلود پایان نامه اثربخشی چت بات های منبع باز برای پشتیبانی مشتری

1. مقدمه 2. چت بات ها 3. روش تحقیق 4. نتایج 5. آنالیز 6. بحث و بررسی 7. نتیجه گیری

چکیده – چت بات ها در صنایع مختلف توجه روز افزونی را به خود جلب کرده اند و گزینه های بسیاری برای کسب و کارها و سازمان ها فراهم شده اند. چندین مطالعه، چت بات های منبع باز را مورد بررسی قرار داده اند و نقاط قوت اصلی آنها، پیاده سازی و قابلیت های یکپارچه سازی آنها را شناسایی کرده اند، با این حال تعداد معدودی چارچوب ها و کتابخانه های چت بات منبع باز را در یک یوزکیس خاص مانند پزشکی، مورد بررسی قرار داده اند. هدف این پروژه ارزیابی انتخاب چت بات ها یا به بیان دقیقتر، دو چارچوب ، یعنی Botkit و Rasa و دو کتابخانه، یعنی: ChatterBot و Natural بود که همراه با Botkit و یک مدل زبانی که DialoGPT است، مورد استفاده قرار گرفتند. این ارزیابی مخصوصاً بر دقت، هماهنگی و زمان پاسخ تمرکز کرده است. پرسش های غالباً پرسیده شده از مجموعه داده دیالوگ های مرتبط با سازمان بهداشت جهانی و کووید 19 از GitHub برای تست توانایی چت بات ها در مدیریت پرس و جوهای مختلف بکار گرفته شدند و دقت از طریق معیارهایی مانند نمره های شباهت Jaccard؛ ارزیابی دو زبانی تحت مطالعه (BLEU) و ارزیابی فراخوانی تخمیر محور (ROUGE)، سنجش شدند و هماهنگی از طریق شباهت Jaccard بین پاسخ های تولید شده و زمان پاسخ به عنوان زمان میانگین برای یک پاسخ برحسب ثانیه در نظر گرفته شد. این تحلیل، نقاط قوت و محدودیت های منحصربفردی را برای هر مدل چت بات، شناسایی کرد. Rasa، عملکرد قوی و استوار از لحاظ دقت، هماهنگی و قابلیت های سفارشی سازی نشان داد اگر چت بات در یک موضوع خاص با زمان پاسخ قابل قبول کار کند. DialoGPT، توانایی های محاوره ای قوی و پاسخ های مرتبط با زمینه به هزینه از دست رفتن هماهنگی، نشان داد. ChatterBot دارای هماهنگی بود، اگرچه گاهی با پرس و جوهای پیشرفته مشکل داشت و Botkit با Natural، بخاطر پاسخ سریعش از همه برتر بود، البته با محدودیت هایی از لحاظ دقت و مقیاس پذیری. این چارچوب های منبع باز، کتابخانه ها و مدل ها، علیرغم چالش های پیاده سازی خود، راهکارهای امیدوار کننده ای برای سازمان هایی فراهم می کنند که قصد دارند از فناوری نماینده های محاوره کننده، بهره برداری کنند. این مطالعه، ترغیب پژوهش های بیشتر و تغییرات اصلاحی بیشتر در این زمینه سریعاً رو به تکامل را توصیه می کند.

Chatbots are becoming increasingly popular in various industries, and there are many options available for businesses and organisations. Several studies have investigated open-source chatbots and identified their core strengths, implementation, and integration capabilities however few have investigated open-source chatbot frameworks and libraries in a specific use case such as medicine. The project's objective was to evaluate a selection of chatbots or more specifically two frameworks: Botkit and Rasa, and two libraries: ChatterBot, and Natural which was utilised together with Botkit and a language model which is DialoGPT. The evaluation focuses specifically on accuracy, consistency, and response time. Frequently asked questions from the World Health Organization and COVID-19 related Dialogue Dataset from GitHub were utilised to test the chatbots' abilities in handling different queries and accuracy was measured through metrics like Jaccard similarity, bilingual evaluation understudy (BLEU), and recall oriented gisting evaluation (ROUGE) scores, consistency through Jaccard similarity between the generated responses and response time was taken to be the average time for a response in seconds. The analysis revealed unique strengths and limitations for each chatbot model. Rasa displayed robust performance in accuracy, consistency, and customisation capabilities if the chatbot works in a particular topic with acceptable response times. DialoGPT demonstrated strong conversational abilities and contextually relevant responses with trade-offs in consistency. ChatterBot showed consistency, though sometimes struggled with advanced queries, and Botkit with Natural stood out for its quick response times, albeit with limitations in accuracy and scalability. Despite implementation challenges, these open-source frameworks, libraries, and models offer promising solutions for organisations intending to harness conversational agents' technology. The study suggests encouraging further exploration and refinement in this rapidly evolving field.