Introducing
Your new presentation assistant.
Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.
Trending searches
244
Université des sciences et de la technologie d'Oran Mohamed Boudiaf
Projet fin d'étude
Présenté en vue de l’obtention du diplôme :
Master en systèmes d'informations et données
Conception d'un Agent conversationnel "ChatBot" dans les réseaux sociaux
Présidente Mme Belmabrouk Karima
Encadreur Mr Tlemsani Redouane
Examinatric Mme Ourdighi Asmaa
Présentées par : Hadjer KADDAR
Imene FARHI
Introduction
Réseaux sociaux
Problématique
Comment échanger avec les clients en temps réel ?
Toujours disponible ?
Problématique
Comment leurs répondre immédiatement ?
Comment minimiser la charge sur le service client
Comment satisfaire les clients tout en réduisant les coûts ?
Solution proposés
Réalisation d'un Agent conversationnel artificiel
Imiter le langage humain
Solution
Solution proposé
Un outil pour améliorer la relation client
Offrir une meuilleure éxperience
Présentation du chatBot
C'est quoi un chatBot?
Présentation du chatBot
Historique du chatBot
Domaines d'utilisations
La manière dont les domaines bénéficent des chatbots et leurs efficacités , varie d’un secteur à un autre.
Domaines d'utilisation
Avantages et inconvénients
Avantages
Inconvénients
- Réponds au besoins des utilisateurs
- Limitation des connaissances linguistiques
- Il est disponible 24 heures sur 24 et 7 jours sur 7
- La répétitions à cause d'un manque de vocabulaire
- Il évite la saturation du service client
- Permet d'économiser et de réduire les coûts
- Répond parfaitement aux demandes d'assistance volumineuses.
Exemples
Quelques exemples
Hello Hipmunk
Duolingo
Amtrak
Mais comment assurer le bon fonctionnement des chatbots ?
Intelligence Artificielle
Réalisation
Etape 1
Etape 1
Traitement des données
Traiter les donées
NLP
Traitement du langage naturel NLP
Application des programmes et des techniques informatiques à tous les aspects du langage humain
- Déchiffrer
Langage humain
- Lire
Objectif
- Comprendre
Traitement du langage naturel NLP
Fonctionnement
- Analyser langage humain
Algorithmes d'IA
- Corréler les données et les utiliser avec des algorithmes de Machine Learning
- Construire un plan prédictive
Traitement du langage naturel NLP
Parmis les tâches que le traitement du langage naturel peut résoudre
Traitement du langage naturel NLP
Concepts et Algorithmes
Traitement du langage naturel NLP
Concepts et Algorithmes
Vectorisation
Bag of word
Stemming
Normalisation
Lemmatisation
Concepts et Algorithmes
Vectorisation
Convertir du texte en vecteurs numériques
Bag of word
La phrase à convertir
Corpus contenant 9 mots
Concepts et Algorithmes
Normalisation
Stemming
Lemmatisation
Analyse du contexte
Bien
Affection
Racine
Super
Mieux
Affecter
Affect
Cool
Affectionné
Application de ces méthodes
Fichier Json
Application
de ces méthodes
Tokenization
nltk.word_tokenize(pattern)
Stemming
NLP
nltk.stem.SnowballStemmer('french')
Véctorisation
Bag of words
Etape 2
Etape 2
Création et entrainement du modèle
Machine learning
Analyse prédictive
Apprend aux ordinateurs des tâches humaines
Machine learning
Données
Tâches
Machine
learning
Algorithme
Performance
Machine learning
Apprentissage supervisée
Apprentissage non-supervisée
Entrainement d'un modèle
Entrée
Entrée/Sortie connus
Réseaux de neurones
Modele RN
Réseau de neurone
Modele Feed Forwarded
Percepton simple
Percepton multicouches
Feed Forwarded
Création et entrainement de notre modele
Softmax
Probabilité pour chaque tag
Vecteur de base de connaissance
Deep learning
Retro-propagation
Apprentissage aprofondie
Minimiser l'erreur
Deep learning
Basées sur des réseaux de neurones artificiels
Tensorflow
Création de modéle
Tflearn
Tensorflow
Module
Intégration du chaBot dans le réseau sociale Facebook
Etape 3
Plateforme Facebook
Plateformes Facebook
Serveur Flask
@app.route("/", methods=['GET', 'POST'])
Flask
verify_fb_token(token_sent):
if token_sent == VERIFY_TOKEN:
return request.args.get("hub.challenge")
Ngork
Ngrok
Résultat
conclusion