Jämförande studie inom ordförståelse för chatbotar

Sammanfattning: Sammanfattning Under de senaste åren har intresset ökat för så kallade chatbot-agenter som nyttjar mönsterigenkänning. Tjänsten används inom kundtjänstområdet och genererar affärsnyttagenom att minska personalkostnader och samtidigt säkerställa en hög tillgänglighetför kunder. För att optimera kundnytta krävs frekventa arbetsinsatser från förvaltarens sida, dåsystemets precision ökas genom anpassning av chatbotens svar utifrån tidigare konversationer.I syfte att undersöka ytterligare förbättringsåtgärder inom mönsterigenkänningför chatbotsystem, genomförs i detta arbete en jämförande studie mellanolika tekniker för att bättre förstå avsikten i frågan som ställts. Ett flertal prototyper har under studien utvecklats och anpassats för att utvärderateknikerna lemmatisation och stemming på det svenska och engelska språket. Resultatet visar att tekniken lemmatisation höjer träffsäkerheten mer än teknikenstemming för det svenska språket, och att bägge tekniker kan användas för att ökaträffsäkerheten hos ett mönsterigenkännande system inom textklassificering. Förprototyper som testats för tillämpningar med engelska språket visar studiens resultatatt lemmatisation har högre nivå av träffsäkerhet jämfört med teknikern stemming. Nyckelord Konversationell AI, NLP, NLU, Rasa, Chatbot-optimering, Chatbot, textklassificering,lemmatisation, stemming