Análise de algoritmos de aprendizado de máquina para mineração de conversas e aperfeiçoamento de chatbots

Abstract

Esse trabalho objetiva, por meio da aplicação dos algoritmos Latent Dirichlet Allocation (LDA), NGrame Bag of Words(BOW), analisar como o aprendizado de máquina usado na mineração de conversas podeajudar no aperfeiçoamento de chatbots através da identificação da intenção do cliente ao entrar emcontato com uma empresa. A metodologia será qualitativa, por meio de pesquisa bibliográfica e do usoda ferramenta Knime, a fim de apoiar a implementação de algoritmos de aprendizado de máquina, embase de dados cedida por uma empresa desenvolvedora de software para a área de Customer Experience(CX). Os resultados derivam de uma comparação entre os algoritmos considerando o peso (weight) daspalavras e frases chave e validada pelo Analista de Domínio(AD) da empresa. O extrator de tópicos LDAapresenta o melhor resultado sobre as intenções dos usuários e o algoritmo NGram apresentacaracterísticas complementares significativas para as intenções. Ambos algoritmos trazem restritoaprendizado de máquina, e demandam constante monitoramento e acompanhamento do AD, devido aevolução do processamento da linguagem natural. O algoritmo BoW apresentou limitações neste estudo.