XÂY DỰNG KHUNG ỨNG DỤNG AI CHATBOT TRONG LĨNH VỰC QUY CHẾ ĐÀO TẠO

jos.hueuni.edu.vn Tập 131, Số 2A, 2022 47 – Tạo câu trả lời: Trong bài báo này, chúng tôi sử dụng cách tiếp cậ n dự a vào mẫu (Pattern- based approach) và truy hồi thông tin (Retrieval-based approach). Cụ thể, trong chương trình có hai loại câu trả lời: (1) Định nghĩa các câu trả lời cố định là các phát biểu (utterance) dự a vào văn bả n quy chế đào t ạo đại học của Trường Đại học Khoa học2, Đại học Huế, bao gồm 5 chương với 29 điề u; (2) Xây dự ng cơ sở dữ liệu chứa các thông tin liên quan đến quy chế đào t ạo. Dự a và o chủ đề và ngữ cả nh của thông điệp đầ u và o, hệ thống sẽ đưa ra câu trả lời thích hợ p bằng cách truy vấn và o cơ sở dữ liệu. – Thiết lập cấu hình cho luồng (pipeline) công việc trong file config.yml: Bao gồm các thành phầ n tạo nên NLU pipeline và các cơ ch ế phả n hồi (Rasa Core) (Hình 5 và Hình 6). • Cấu hình NLU pipeline Bên cạnh cho phép người sử dụng tích hợ p các công cụ tiề n xử lý từ bên ngoài, Rasa cung cấp một số mô hình ngôn ngữ như MitieNLP, SpacyNLP và HFTransformersNLP cho vi ệc tiề n xử lý như tách t ừ, vec tơ hóa đặc trưng (biểu diễn ngôn ngữ). Trong bài báo này, chúng tôi sử dụng mô hình ngôn ngữ SpacyNLP và cấu hình thông số để biểu diễn văn bả n tiếng việt [17]. Hình 5. NLU pipeline 2 https://it.husc.edu.vn/vanban/daihoc/?detail=227