Разработка интеллектуального помощника для подбора товаров в процессе диалога с пользователем

Дмитрий Е. Пальчунов; Александр А. Якобсон

doi:10.17323/2587-814X.2024.1.7.21

Дмитрий Е. Пальчунов Институт математики им. С.Л. Соболева, Сибирское отделение Российской академии наук, Россия, 630090, г. Новосибирск, пр-т Академика Коптюга, д. 4 https://orcid.org/0000-0001-9487-3256
Александр А. Якобсон Новосибирский национальный исследовательский государственный университет , Россия, 630090, г. Новосибирск, ул. Пирогова, д. 1

DOI: https://doi.org/10.17323/2587-814X.2024.1.7.21

Ключевые слова: интеллектуальный помощник, аргументативный диалог, прецедент, частичная модель, онтологический гомоморфизм, онтологическая модель предметной области, семантическая модель пользователя

Аннотация

Статья посвящена разработке методов создания интеллектуальных помощников. Интеллектуальные помощники могут применяться в колл-центрах для решения проблем клиентов, для решения задач техподдержки, для помощи людям с ограниченными возможностями, для помощи в выборе товаров и др. Рассматриваются интеллектуальные помощники, ведущие аргументативный диалог с пользователями, направленный на поиск товаров и услуг, максимально удовлетворяющих желания и потребности пользователей. Разработка интеллектуального помощника ведется на основе четырехуровневой модели предметной области и семантической модели пользователя. Разрабатываемая система автоматизирует процесс поиска и обоснования решения за счет повторного использования прецедентов – накопленных ранее знаний о предыдущих диалогах с пользователями. Это дает разрабатываемой системе преимущество перед имеющимися аналогами, которые неспособны к переиспользованию знаний о предыдущих диалогах. В статье разрабатывается прецедентный подход к созданию интеллектуальной системы, способной аргументировать свои ответы. Для этого строится граф аргументации, разрабатываются методы структурирования прецедентов, используются онтологические гомоморфизмы для преобразования имеющихся прецедентов в готовое решение. Представлено описание теоретико-модельных методов построения интеллектуальных помощников. Прецеденты товаров, пользователей и диалогов интеллектуального помощника с пользователями формально описываются в виде частичных моделей. Преобразование прецедентов и сходство прецедентов формализуется при помощи онтологических гомоморфизмов частичных моделей. Цель разрабатываемой диалоговой системы – не только подобрать решение по запросу пользователя, но и выяснить задачи, которые собирается решать пользователь, провести анализ его аргументации, а затем обосновать пользователю предложенное решение, показать, что именно этот товар или услуга смогут удовлетворить его потребности.

Скачивания

Данные скачивания пока не доступны.

Литература

Toulmin S.E. (2003) The uses of argument. Cambridge University Press.

Reed C., Rowe G. (2004) Araucaria: Software for argument analysis, diagramming and representation. International Journal on Artificial Intelligence Tools, vol. 13, no. 4, pp. 961–979.

Walton D., Reed C., Macagno F. (2008) Argumentation schemes. Cambridge University Press.

Macagno F., Walton D. (2015) Classifying the patterns of natural arguments. Philosophy & Rhetoric, vol. 48, no. 1, pp. 26–53. https://doi.org/10.5325/philrhet.48.1.0026

Wagemans J. (2016) Constructing a periodic table of arguments. Argumentation, objectivity, and bias: Proceedings of the 11th international conference of the Ontario Society for the Study of Argumentation, Windsor, Ontario, Canada, pp. 1–12. https://doi.org/10.2139/ssrn.2769833

Walton D., Gordon T.F. (2017) Argument invention with the Carneades argumentation system. SCRIPTed, vol. 14, no. 2, pp. 168–207. https://doi.org/10.2966/scrip.140217.168

Wachsmuth H., Potthast M., Al-Khatib K., Ajjour Y. (2017) Building an argument search engine for the Web. Proceedings of the 4th Workshop on Argument Mining, pp. 49–59.

Slonim N. et al. (2021) An autonomous debating system. Nature, vol. 591, no. 7850, pp. 379–384. https://doi.org/10.1038/s41586-021-03215-w

Stab C., Miller T., Shiller B., Rai P., Gurevych I. (2018) Cross-topic argument mining from heterogeneous sources. Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, pp. 3664–3674.

Naydanov Ch., Palchunov D., Sazonova P. (2015) Development of automated methods for the critical condition risk prevention, based on the analysis of the knowledge obtained from patient medical records. Proceedings of the International Conference on Biomedical Engineering and Computational Technologies, Novosibirsk, 28–30 October 2015, pp. 33–38. https://doi.org/10.1109/SIBIRCON.2015.7361845

Naydanov Ch., Palchunov D., Sazonova P. (2016) Development of automated methods for the prevention of risks of critical conditions, based on the analysis of the knowledge extracted from the medical histories. The Siberian Scientific Medical Journal, vol. 36, no. 1, pp. 105–113.

Naidanov Ch.A. (2019) Development of ontological model kernel, customisable for the subject domain. Vestnik of Novosibirsk State University. Series: Information technologies, vol. 17, no. 1, pp. 72–81.

OpenAI (2022) Introducing ChatGPT. Available at: https://openai.com/blog/chatgpt (accessed 26 January 2024).

McCloskey M., Cohen N.J. (1989) Catastrophic interference in connectionist networks: The sequential learning problem. Psychology of Learning and Motivation, vol. 24, pp. 109–165.

Blenderbot AI (2022) BlenderBot 3: A Conversational AI Prototype. Available at: https://blenderbot.ai (accessed 26 January 2024).

Shuster K. et al. (2022) Blenderbot 3: A deployed conversational agent that continually learns to responsibly engage. arXiv:2208.03188. https://doi.org/10.48550/arXiv.2208.03188

Higashinaka R. et al. (2017) Argumentative dialogue system based on argumentation structures. Proceedings of the 21st Workshop on the Semantics and Pragmatics of Dialogue, pp. 154–155.

Lippi M., Torroni P. (2016) Argumentation mining: State of the art and emerging trends. ACM Transactions on Internet Technology, vol. 16, no. 2, pp. 1–25. https://doi.org/10.1145/2850417

Fazzinga B., Galassi A., Torroni P. (2021) An argumentative dialogue system for COVID-19 vaccine information. International Conference on Logic and Argumentation. Cham: Springer International Publishing, pp. 477–485.

Chalaguine L.A., Hunter A. (2020) A persuasive chatbot using a crowd-sourced argument graph and concerns. IOS Press E-books Series Frontiers in Artificial Intelligence and Applications, vol. 326: Computational Models of Argument, pp. 9–20. https://doi.org/10.3233/FAIA200487

Palchunov D., Yakobson A. (2022) Automated methods for conducting an argumented dialogue with the user. 2022 IEEE International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON), pp. 880–885. https://doi.org/10.1109/SIBIRCON56155.2022.10016975

Palchunov D.E., Yakobson A.A. (2022) Software system “ArgumentDialogue”. Certificate of state registration of computer programme No. 2022664041, registered 22.07.2022.

Carnap R. (1956) Meaning and necessity. A study in semantics and modal logic. Chicago.

Palchunov D.E. (2006) Modelling of thinking and formalization of reflexion I: Theoretical-model formalization of ontology and reflexion. Philosophy of Science, vol. 4(31), pp. 86–114.

Palchunov D.E. (2022) Methodological aspects of the application of model theory in knowledge engineering and artificial intelligence. 2022 Ural-Siberian Conference on Computational Technologies in Cognitive Science, Genomics and Biomedicine (CSGB), pp. 210–215. https://doi.org/10.1109/CSGB56354.2022.9865602

Palchunov D.E. (2008) Modelling of thinking and formalization of reflexion. Part 2: Ontologies and formalisation of concepts. Philosophy of Science, vol. 2(37), pp. 62–99.

Palchunov D.E. (2008) Solution of the information search task on the basis of ontologies. Business-informatics, vol. 1(3), pp. 3–13 (in Russian).

Orlovsky A., Palchunov D. (2021) Development of automated methods for the domain ontology population with the help of a virtual assistant. 2021 IEEE 22nd International Conference of Young Professionals in Electron Devices and Materials (EDM), pp. 537–541. https://doi.org/10.1109/EDM52169.2021.9507641

Makhina E.D., Palchunov D.E. (2018) Software system to determine speech actions in natural language texts. Vestnik of Novosibirsk State University. Series: Information technologies, vol. 16, no. 4, pp. 95–106. https://doi.org/10.25205/1818-7900-2018-16-4-95-106

Galitsky B., Ilvovsky D., Kuznetsov S. (2018) Detecting logical argumentation in text via communicative discourse tree. Journal of Experimental and Theoretical Artificial Intelligence, vol. 30, no. 5, pp. 637–663. https://doi.org/10.1080/0952813X.2018.1467492

Galitsky B., Ilvovsky D., Kuznetsov S.O. (2015) Text integrity assessment: Sentiment profile vs rhetoric structure. Computational Linguistics and Intelligent Text Processing (eds. A. Gelbukh). CICLing 2015. Lecture Notes in Computer Science, vol. 9042. Springer, Cham, pp. 126–139. https://doi.org/10.1007/978-3-319-18117-2_10

Galitsky B., Ilvovsky D., Kuznetsov S.O. (2015) Rhetoric map of an answer to compound queries. Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing, Beijing, China, vol. 2: Short Papers, pp. 681–686. https://doi.org/10.3115/v1/P15-2112