Modul pro detekci kontextů v doméně internetového bankovnictví v českém jazyce

• Main Author: Samuel Fabo
• Other Authors: Kuznetsov Stanislav, Vašata Daniel
• Format: Master Thesis
• Language: unknown
• Published: České vysoké učení technické v Praze. Vypočetní a informační centrum. 2022
• Subjects: intent detection; detekcia zámerov; detekcia kontextov; chatbot; strojové učenie; spracovávanie prirodzeného jazyka; porozumenie prirodzenému jazyku; klasifikácia textu; predspracovanie textu; machine learning; natural language processing; natural language understanding; text classification; text preprocessing; sami
• Online Access: http://hdl.handle.net/10467/101099

V tejto práci sa zaoberáme výskumom a aplikáciou rôznych techník na riešenie problému intent detection (alebo aj detekcia kontextov, zámerov) v doméne českého bankovníctva. Intent detection je základ každého dobrého chatbota a ak je detekcia kvalitná a vyladená, udrží užívateľa dlhšie v kontakte so strojom. Keďže neexistujú voľne dostupné dátové sady v českom jazyku na túto doménu, museli sme dáta zozbierať sami. Neskôr sme spojili zozbierané vzorky intentov s voľne dostupnou sadou BANKING77, ktorú sme preložili do češtiny. Podarilo sa nám vyladiť model, ktorý mal na testovacej vzorke spojenej dátovej sady dobré výsledky presnosti. Nakoniec sme nasadili výsledný model do demonštračnej aplikácie. In this thesis, we research and apply various techniques to solve the intent detection problem in the Czech internet banking domain. The intent detector is a fundamental part of each chatbot and keeps the user longer in contact with the machine if a high-quality, fine-tuned detector is used. We needed to gather the training data on our own because there are no publicly available datasets in the Czech language for this domain. Later on, we merged gathered samples of intents with the publicly available dataset BANKING77, which we translated into the Czech language. We succeeded in fine-tuning a model, which had good accuracy results on the test set. We deployed the model to the production version of the demo application.