项目理念 | Amanda：智能查询聊天机器人

项目名称： Amanda：智能查询聊天机器人

简介：聊天机器人的概念在这个技术不断发展的社会中并不新鲜。我们的项目敏锐地处理了这个不断发展的实体的一个重要部分，重点关注聊天机器人在教育领域的使用，尤其是高等教育。该项目的当前模型旨在处理该国不断增长的学生人数，帮助简化印度各个机构的招生流程。该模型实时处理学生在整个录取过程中清除学生心中的疑虑。目前，学生依靠父母、亲戚和熟人的知识，当然还有排名机构以及 Quora 等问卷调查网站，来了解任何特定的机构。各院校设置实时疑难解答助手来协助申请者在实践中是不可行的。这就是我们的聊天机器人提供帮助的地方。它旨在精心帮助学生发现他们想去的机构。该机器人处理研究所本身提供的实时数据，以提高学生的可靠性和透明度。我们希望根据政府的电子政务（数字印度）推动在政府各个部门引入聊天机器人来扩大项目范围。它可以极大地帮助减少繁文缛节，使普通人更容易获得服务。

我们正在尝试实施一个特定领域的知识系统，该系统致力于咨询过程中所需的个人协助领域。当前模块的另一个额外优势是减轻各个机构的负担，这些负担以数千个电话和电子邮件的形式出现，考虑到咨询的季节性性质并且没有专门的工作人员，这些很难管理。因此，考虑到这里的大规模招生，如果以有效的方法大规模实施，聊天机器人似乎是一个很大的负担，帮助成千上万的人选择最适合他们的。

概念框架：

当前聊天机器人处理用户的输入查询，包括问候语。该机器人目前仅限于特定机构，即它可以处理与一个机构相关的查询。该项目的一个可能的未来分支可能是使该机器人兼容一次处理多个机构，使其有资格在一个窗口中处理有关多个机构的查询。答案最初可能与学院的一般数据有关，例如教授、职位和研究统计信息，但后来它可以结合各种用户的评论以及不同学生、家长、校友和特定特定组织的任何其他相关成员的反馈研究所。
当前系统以三种分类方式响应查询：
1.Salutations：以可寻址的方式回应用户的问候，使其用户友好。
2. 特定领域的回应：这些包括关于被询问的特定机构的回应。
3.Apologetic Responses：这些包括对似乎难以检索的查询的响应，以道歉的回应悄悄地回答。

我们将使用Python作为编程语言以及AIML （人工
智能标记语言）为响应选择进行模式匹配。
制作此机器人涉及以下阶段。
训练阶段：
我们使用自然语言处理库NLTK来处理原始查询
（训练集）并将它们转换为一组同义词（减少查询）。这
简而言之，描述了查询的上下文/概念。这里的黄金法则适用，更多
数据，更好的结果。

这种减少查询的预期答案是已知的，我们使用这些知识来
生成用于模式匹配目的的 aiml/xml 文件。

模式匹配阶段：
用户输入再次被分解为使用 NLP 的简化查询，我们使用从阶段 1 生成的 AIML 文件来查找我们数据库中存在的最接近的可能模式，其答案是已知的。如果存在这种模式，则从数据库中检索信息或机器人试图阻止对话以保持用户的兴趣或为无法回答而道歉。

图表：相关的 UML 图

使用的工具： 1.自然语言处理（NLTK）。
2. Python人工智能标记语言（PyAIML）
3.图案匹配
4.正则表达式
5.Kivy Python图形库
应用：这个项目可以用在哪里？

除了乐于助人之外，Amanda（聊天机器人）有时也很有趣🙂

一些附加资源：
1) 点击此链接前往演示文稿：演示文稿
2) 按照此链接获取实际代码和控制流程：Github
3) 研究工作：点击以下链接查看我们参考的几篇研究论文：论文 1 论文 2

本项目的贡献者：

1.Danish Kaleem (IT 3rd year, IIEST Shibpur)
2.Rajat Mishra（IT 3 年，IIIT 阿拉哈巴德）
3.Piyush Yaduvanshi（CSE 第三年，IIIT Naya Raipur）

联系方式：[e-mail], [e-mail], [e-mail]