Python을 사용한 응용 텍스트 분석

10장. 챗봇

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

이 장에서는 가장 빠르게 성장하고 있는 언어 인식 애플리케이션 중 하나인 대화형 에이전트에 대해 살펴봅니다. 슬랙봇에서 알렉사, BMW의 드래곤 드라이브에 이르기까지 대화형 에이전트는 일상 경험에서 없어서는 안 될 필수 요소로 빠르게 자리 잡으며 더욱 다양한 맥락에 통합되고 있습니다. 대화형 에이전트는 확장된 메모리(예: 인터넷에서 물건 찾기), 향상된 연산 능력(예: 전화 전환 또는 출퇴근길 탐색), 보다 유연한 커뮤니케이션 및 제어(예: 메시지 전송, 스마트 홈 관리)를 통해 우리의 삶을 향상시킵니다.

이러한 에이전트의 가장 큰 매력은 포인트 앤 클릭 인터페이스를 사용하는 웹 및 모바일 애플리케이션에서 오랫동안 제공되어 온 정보나 지원이 아니라 인터페이스에 있습니다. 자연어 상호작용은 마찰이 적고 장벽이 낮으며 매우 직관적인 방식으로 계산 리소스에 액세스할 수 있는 방법을 제공합니다. 따라서 챗봇은 텍스트 기반 애플리케이션에 자연스럽게 명령을 인라인화하여 잘못 설계된 메뉴 기반 인터페이스를 최소화하는 등 사용자 경험에서 중요한 진전을 이룹니다. 또한 챗봇은 차량 내 내비게이션과 같이 화면에 적합하지 않은 기기에서와 같이 새로운 컴퓨팅 환경에서 새로운 인간과 컴퓨터 간의 상호작용을 가능하게 해줍니다.

그렇다면 대화형 에이전트의 오랜 역사를 고려할 때(엘리자나 패리 같은 초기 모델) 현실과 소설( 스타트렉의 '컴퓨터'나 2001: 스페이스 오디세이의'할' 등)에서 대화형 에이전트가 지금 부상하고 있는 이유는 무엇일까요? 부분적으로는 이러한 인터페이스의 '킬러 앱'에는 오늘날의 사물 인터넷이 지원하는 유비쿼터스 컴퓨팅이 필요하기 때문입니다. 더 중요한 이유는 최신 대화형 에이전트는 사용자 데이터에 의해 강화되고, 이를 통해 컨텍스트가 풍부해지며, 결과적으로 그 가치가 높아지기 때문입니다. 모바일 기기는 GPS 데이터를 활용하여 사용자의 현재 위치를 파악하고 지역화된 추천을 제안하며, 게임 콘솔은 보고 들을 수 있는 사람의 수에 따라 플레이 환경을 조정합니다. 이를 효과적으로 수행하려면 이러한 애플리케이션은 자연어를 처리할 뿐만 아니라 사용자가 제공한 정보와 상황적 맥락을 기억하여 상태를 유지해야 합니다.

이 장에서는 챗봇을 구축하기 위한 대화 프레임워크를 제안하며, 그 목적은 상태를 관리하고 해당 상태를 사용하여 특정 컨텍스트 내에서 의미 있는 대화를 생성하는 것입니다. 새로운 사용자를 맞이하고, 측정 전환을 수행하고, 좋은 레시피를 추천할 수 있는 주방 도우미 봇을 구축하여 이 프레임워크를 시연해 보겠습니다. 이 프로토타입을 통해 정규식을 사용하여 발화를 일치시키는 규칙 기반 시스템, 사전 학습된 구문 파서를 사용하여 수신 질문을 필터링하고 필요한 답변을 결정하는 질의응답 시스템, 마지막으로 비지도 학습을 사용하여 관련 제안을 결정하는 추천 시스템의 세 가지 기능을 간략하게 살펴볼 것입니다. ...