Chatbot založený na hlubokých neuronových sítích

Abstract

Bakalářská práce popisuje implementaci a fungování dvou chatbotů: chatbota, který interpretuje otázky a poskytuje připravené odpovědi, a generativního chatbota schopného generovat jedinečné odpovědi. Oba byly implementovány pomocí umělých neuronových sítí založených na architektuře Retrieval-based a Transformer. Chatboti byli hodnoceni pomocí přesnosti na validační datové sadě a metriky BLEU a dosáhli výsledků 88% přesnosti a 80% BLEU na datové sadě Chit-Chat a 30% BLEU na datové sadě DoctorAI, přičemž další uživatelské testování pro porovnání kvality generovaných odpovědí poskytlo důkladné posouzení jejich výkonu.

The thesis describes the implementation and operation of two chatbots: a chatbot that interprets questions and delivers prepared responses, and a generative chatbot capable of generating unique responses. Both were implemented using artificial neural networks, based on Retrieval-based and Transformer architectures. Chatbots were evaluated using the accuracy on the validation dataset and BLEU metric, and achieved results of 88% accuracy and 80% BLEU on Chit-Chat dataset and 30% BLEU on DoctorAI dataset, with additional user testing to compare the quality of generated responses, providing a thorough assessment of their performance.