uma ferramenta para a ediÇÃo de categorias aiml …siaibib01.univali.br/pdf/leticiawalber.pdf ·...
TRANSCRIPT
UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE EDUCAÇÃO SÃO JOSÉ
CURSO DE CIÊNCIA DA COMPUTAÇÃO
Letícia Walber
UMA FERRAMENTA PARA A EDIÇÃO DE CATEGORIAS AIML EM UM AGENTE DE
CONVERSAÇÃO
Marcello Thiry Professor orientador
São José
2006
UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE EDUCAÇÃO SÃO JOSÉ
CURSO DE CIÊNCIA DA COMPUTAÇÃO
UMA FERRAMENTA PARA A EDIÇÃO DE CATEGORIAS AIML EM UM AGENTE DE
CONVERSAÇÃO
Área de Inteligência Artificial
Letícia Walber Acadêmica
Trabalho de Conclusão de Curso apresentado à banca examinadora do Curso de Ciência da Computação da Universidade do Vale do Itajaí - UNIVALI – São José, como requisito parcial para obtenção do título de Bacharel em Ciência da Computação. Marcello Thiry Comicholi da Costa, Dr. - Orientador.
São José
2006
LETÍCIA WALBER
UMA FERRAMENTA PARA A EDIÇÃO DE CATEGORIAS
AIML EM UM AGENTE DE CONVERSAÇÃO
Este Trabalho de Conclusão de Curso foi julgado adequado como requisito parcial para a
obtenção do título de Bacharel em Ciência da Computação, tendo sido aprovado pelo Curso
de Ciência da Computação, Centro de Educação São José da Universidade do Vale do Itajaí
(SC).
São José, 12 de dezembro de 2006.
_________________________________ Prof. Esp. Alecir Pedro da Cunha Prof. M.
Responsável pela Coord. do TCC
__________________________________ Prof. Eng. Fernanda dos Santos Cunha
Coordenadora do Curso
Apresentada à Banca Examinadora formada pelos professores:
__________________________________________________ Orientador Prof. Dr. Marcello Thiry Comicholi da Costa
___________________________________________________ Prof. Márcio Matias
__________________________________________________ Prof. Fernanda dos Santos Cunha
4
DEDICATÓRIA
Aos meus pais Hélio e Sinclair, que acreditaram em mim, que me amam
incondicionalmente e que me fizeram acreditar e lutar por esta vitória.
Ao meu grande amigo Junior, que esteve do meu lado nos momentos mais
difíceis e me mostrou que a vida é mais importante do que qualquer julgamento externo.
5
AGRADECIMENTOS
Agradeço ao professor Marcello Thiry Comicholi da Costa pela dedicação e
paciência durante todo o trabalho. Obrigada por transformar o meu medo em confiança.
6
SUMÁRIO
1 INTRODUÇÃO.......................................................................................... 12
1.1 contextualização..................................................................................................................................12
1.2 OBJETIVOS .......................................................................................................................................14 1.2.1 Objetivo Geral .........................................................................................................................14 1.2.2 Objetivos Específicos ..............................................................................................................14
1.3 Escopo e delimitação do trabalho......................................................................................................14
1.4 JUSTIFICATIVA...............................................................................................................................15
1.5 metodologia .........................................................................................................................................16 1.5.1 Aspectos Metodológicos .........................................................................................................16 1.5.2 Plano de Trabalho....................................................................................................................17
1.6 ESTRUTURA DO TRABALHO.......................................................................................................18
2 AGENTES DE CONVERSAÇÃO.............................................................. 19
2.1 A.L.I.C.E. E A LINGUAGEM AIML...............................................................................................19 2.1.1 Categorias................................................................................................................................20 2.1.2 Contexto ..................................................................................................................................26 2.1.3 Targeting .................................................................................................................................27
2.2 AGENTE DE CONVERSAÇÃO INICIAL......................................................................................27
2.3 Considerações do Capítulo ................................................................................................................29
3 FERRAMENTAS DE EDIÇÃO DE CATEGORIAS AIML ......................... 31
3.1 Critérios de avaliação: .......................................................................................................................31 3.1.1 Critério 1- Cadastro de Categorias: .........................................................................................31 3.1.2 Critério 2 – Teste das Categorias: ...........................................................................................32 3.1.3 Critério 3 – Importação de Categorias:....................................................................................32 3.1.4 Critério 4 – Filtros de Busca:...................................................................................................32 3.1.5 Critério 5 – Ajuda:...................................................................................................................33
3.2 FERRAMENTA 1: PANDORABOTS..............................................................................................33 3.2.1 Avaliação – Critério 1: ............................................................................................................35 3.2.2 Avaliação – Critério 2: ............................................................................................................37 3.2.3 Avaliação – Critério 3: ............................................................................................................37 3.2.4 Avaliação – Critério 4: ............................................................................................................39 3.2.5 Avaliação – Critério 5: ............................................................................................................39
3.3 FeRRAMENTA 2: AIMLpad............................................................................................................40 3.3.1 Avaliação – Critério 1: ............................................................................................................40 3.3.2 Avaliação – Critérios 2 e 3: .....................................................................................................42 3.3.3 Avaliação – Critério 4: ............................................................................................................44 3.3.4 Avaliação – Critério 5: ............................................................................................................46
3.4 SEÇÃO COMPARATIVA das ferramentas ....................................................................................46
3.5 CONSIDERAÇÕES DO CAPÍTULO ..............................................................................................47
7
4 FERRAMENTA DESENVOLVIDA............................................................ 48
4.1 Cadastro:.............................................................................................................................................48
4.2 IMPORTAÇÃO..................................................................................................................................55
4.3 PESQUISA..........................................................................................................................................57
4.4 TESTE.................................................................................................................................................59
4.5 CONSIDERAÇÕES DO CAPÍTULO ..............................................................................................60
5 APLICAÇÃO DA FERRAMENTA............................................................. 61
5.1 ESTRUTURA INICIAL DA BASE DE CONHECIMENTO.........................................................61
5.2 o PROCESSO DE TARGETING .......................................................................................................63
5.3 CONSIDERAÇÕES DO CAPÍTULO ..............................................................................................69
6 CONCLUSÃO ........................................................................................... 70
6.1 TRABALHOS FUTUROS.................................................................................................................71
7 REFERÊNCIAS ........................................................................................ 72
8
ÍNDICE DE QUADROS E FIGURAS
QUADRO 1 – FORMATO DE UMA CATEGORIA EM AIML (RIOS, 2005) .......................................20 QUADRO 2 - EXEMPLO DE CATEGORIA ATÔMICA EM AIML. ADAPTADO DE (RIOS, 2005) .21 QUADRO 3 - TRANSFORMAÇÃO DA CATEGORIA EXIBIDA NO QUADRO 2 EM DIÁLOGO.
ADAPTADO DE (RIOS, 2005)........................................................................................................21 QUADRO 4 - EXEMPLO DO USO DA TAG <SRAI> IMPLEMENTANDO RECURSIVIDADE .......22 QUADRO 5 - EXEMPLO DE CATEGORIA RECURSIVA - REDUÇÃO SIMBÓLICA. ADAPTADO
DE (RIOS, 2005) ..............................................................................................................................22 QUADRO 6 - EXEMPLO DE CATEGORIA RECURSIVA – DIVIDIR E CONQUISTAR (RIOS, 2005)
..........................................................................................................................................................23 QUADRO 7 - EXEMPLO DE CATEGORIA RECURSIVA – SINÔNIMOS. ADAPTADO DE (RIOS,
2005) .................................................................................................................................................23 QUADRO 8 - EXEMPLO DE CATEGORIA RECURSIVA – CORREÇÃO DE ESCRITA E
GRAMÁTICA ..................................................................................................................................24 QUADRO 9 - EXEMPLO DE CATEGORIA RECURSIVA – PALAVRA-CHAVE. ADAPTADO DE
(RIOS, 2005).....................................................................................................................................25 QUADRO 10 - EXEMPLO DE CATEGORIA RECURSIVA – CONDICIONAL. ADAPTADO DE
(RIOS, 2005).....................................................................................................................................25 QUADRO 11 - EXEMPLO DE UTILIZAÇÃO DA TAG DE CONTEXTO <THAT>. ADAPTADO DE
(RIOS, 2005).....................................................................................................................................26 QUADRO 12 - EXEMPLO DO USO DAS TAGS RANDÔMICAS <RANDOM> E <LI> (RIOS, 2005)
..........................................................................................................................................................28 QUADRO 13 - EXEMPLO DE CATEGORIAS COM PATTERNS PADRÕES. ADAPTADO DE
(RIOS, 2005).....................................................................................................................................28 QUADRO 14 - EXEMPLO DE CATEGORIAS ANTES E DEPOIS DA APLICAÇÃO DO
ALGORITMO DE STEMMER (RIOS, 2005) .................................................................................29 FIGURA 1 - PÁGINA DE ACESSO AO PANDORABOTS ....................................................................34 FIGURA 2 - PÁGINA CONTENDO TODOS OS AGENTES DE CONVERSAÇÃO CRIADOS PELO
USUÁRIO.........................................................................................................................................34 FIGURA 3 - PÁGINA DO AGENTE DE CONVERSAÇÃO “AGENTEA”............................................35 FIGURA 4 - INTERFACE DE TREINAMENTO – CADASTRO DE CATEGORIA ATÔMICA -
PERGUNTA .....................................................................................................................................35 FIGURA 5 - INTERFACE DE TREINAMENTO – CADASTRO DE CATEGORIA ATÔMICA -
RESPOSTA ......................................................................................................................................36 FIGURA 6 - INTERFACE DE TREINAMENTO – ALTERAÇÃO DE RESPOSTA AVANÇADA ......36 FIGURA 7 - INTERFACE DE TREINAMENTO – ALTERAÇÃO DE RESPOSTA AVANÇADA – 2 37 FIGURA 8 - INTERFACE PANDORAWRITER......................................................................................38 FIGURA 9 - ARQUIVOS AIML CLASSIFICADOS ...............................................................................39 FIGURA 10 – SUPORTE PANDORABOTS ............................................................................................40 FIGURA 11 - MENU “FILE” – OPEN......................................................................................................41 FIGURA 12 - ARQUIVO AIML PRONTO PARA EDIÇÃO...................................................................41 QUADRO 15 - ARQUIVO TEXTO COM A DESCRIÇÃO DOS ARQUIVOS AIML A SEREM
CARREGADOS ...............................................................................................................................42 FIGURA 13 - MENU AIML – LEARN.....................................................................................................42 FIGURA 14 - CAIXA DE DIÁLOGO "LEARN AIML" ..........................................................................43 FIGURA 15 - MENU AIML – SORT........................................................................................................43 FIGURA 16 - MENU TOOLS – DIALOG ................................................................................................43 FIGURA 17 - TESTE DA BASE DE CONHECIMENTO ATRAVÉS DE UM DIÁLOGO....................44 FIGURA 18 - TELA DE EDIÇÃO DE CATEGORIAS............................................................................44 FIGURA 19 - TELA DE BUSCA DE CATEGORIAS..............................................................................45 FIGURA 20 – SOBRE A FERRAMENTA................................................................................................46 QUADRO 16 – QUADRO COMPARATIVO DAS FERRAMENTAS....................................................46 FIGURA 21 – CADASTRO DE CATEGORIAS – TIPOS DE CATEGORIAS.......................................49 FIGURA 22 – CADASTRO DE CATEGORIAS – OPÇÃO “ABRIR ARQUIVO”................................49 FIGURA 23 – POPUP WINDOW – SELEÇÃO DO ARQUIVO ............................................................50 FIGURA 24 – CADASTRO DE CATEGORIAS – ARQUIVO EXIBIDO NA TELA.............................50 FIGURA 25 – CADASTRO DE CATEGORIAS – CATEGORIA SIMPLES - 1.....................................51
9 FIGURA 26 – CADASTRO DE CATEGORIAS – CATEGORIA SIMPLES - 2.....................................51 FIGURA 27 – CADASTRO DE CATEGORIAS – CATEGORIA SIMPLES - 3.....................................52 FIGURA 28 – CADASTRO DE CATEGORIAS – CATEGORIA SIMPLES - 4.....................................52 FIGURA 29 – CADASTRO DE CATEGORIAS – RESPOSTA RANDÔMICA.....................................52 FIGURA 30 – CADASTRO DE CATEGORIAS – RESPOSTA RANDÔMICA - 1................................53 FIGURA 31 – CADASTRO DE CATEGORIAS – PERGUNTAS DIVERSAS - 1 .................................53 FIGURA 32 – CADASTRO DE CATEGORIAS – PERGUNTAS DIVERSAS - 2 .................................54 FIGURA 33 – CADASTRO DE CATEGORIAS – SINÔNIMOS – 1 ......................................................54 FIGURA 34 – CADASTRO DE CATEGORIAS – SINÔNIMOS – 2 ......................................................54 FIGURA 35 – CADASTRO DE CATEGORIAS – PALAVRA-CHAVE.................................................55 FIGURA 36 – CATEGORIAS – IMPORTAR ..........................................................................................56 FIGURA 37 – CATEGORIAS – IMPORTAR – SELEÇÃO DO ARQUIVO...........................................56 FIGURA 38 – ARQUIVO TEXTO............................................................................................................57 FIGURA 39 – RESULTADO DA IMPORTAÇÃO...................................................................................57 FIGURA 40 – BUSCA POR PATTERN ...................................................................................................58 FIGURA 41 – BUSCA POR TEMPLATE ................................................................................................58 FIGURA 42 – CADASTRO ANTES DE EXECUTAR O TESTE............................................................59 FIGURA 43 – CATEGORIAS – TESTAR................................................................................................59 QUADRO 17 – CATEGORIA – PROCESSAMENTO DE ENTRADAS NÃO IDENTIFICADAS........62 QUADRO 18 – CATEGORIA – PROCESSAMENTO DE ENTRADAS NÃO IDENTIFICADAS........62 QUADRO 19 – ARQUIVO DE LOG ANALISADO................................................................................64 QUADRO 20 – EXEMPLOS DE CATEGORIAS CRIADAS APÓS O PROCESSO DE TARGETING .64 QUADRO 21 – ARQUIVO DE LOG ANALISADO................................................................................64 QUADRO 22 – EXEMPLOS DE CATEGORIAS CRIADAS APÓS O PROCESSO DE TARGETING .65 QUADRO 23 – ARQUIVO DE LOG ANALISADO................................................................................65 QUADRO 24 – EXEMPLOS DE CATEGORIAS CRIADAS APÓS O PROCESSO DE TARGETING .66 QUADRO 25 – ARQUIVO DE LOG ANALISADO................................................................................66 QUADRO 26 – EXEMPLOS DE CATEGORIAS CRIADAS APÓS O PROCESSO DE TARGETING .67 QUADRO 27 – EXEMPLO DE CATEGORIA - QUALIDADE ..............................................................68 QUADRO 28 – EXEMPLO DE CATEGORIA – QUALIDADE DE SOFTWARE.................................68 QUADRO 29– EXEMPLO DE CATEGORIA – QUALIDADE - CONCEITO .......................................68
10
RESUMO
Este trabalho contribuiu para a construção e manutenção da base de
conhecimento de um agente de conversação. A primeira versão do agente sugere uma
evolução no seu modelo e também na sua base de conhecimento. Portanto, este trabalho
teve a missão de continuar o trabalho desenvolvido em (RIOS, 2005), facilitando a
construção do conhecimento por meio de uma ferramenta de edição de categorias
AIML.
11
ABSTRACT
This work has contributed to the building and maintenance of a chatterbot
knowledge basis. The first agent version proposes an evolution in its model and also in
its knowledge basis. Thus, this work had the mission to continue the work started in
(RIOS, 2005), supporting the knowledge building through an AIML categories
automation tool.
12
1 INTRODUÇÃO
1.1 CONTEXTUALIZAÇÃO
Os agentes de conversação (chatterbots) surgiram a partir de pesquisas na área
de Inteligência Artificial (IA) com o objetivo de criar um programa com capacidade de
conversação similar a de um humano. Neste sentido, estes agentes são programas que
buscam imitar o comportamento humano, explorando a capacidade racional que um
computador pode apresentar. (LEONHARDT et al, 2003)
Os Agentes de conversação buscam interagir com usuários como se fossem seres
humanos. Seu grande atrativo é a disponibilidade em tempo integral, podendo ser
utilizados em qualquer ambiente que demande uma maior disponibilidade de um
especialista humano.
Existem agentes de conversação criados para os mais diversos propósitos. O
HANK é um representante virtual criado pela Coca Cola, com o objetivo de tirar
dúvidas dos consumidores em relação à empresa e seus produtos (COCA-COLA, 2004).
Existe também o assistente do Microsoft Office, criado para auxiliar os usuários na
utilização da ferramenta (MICROSOFT, 2003). Uma outra utilidade dos agentes de
conversação é a possibilidade de serem utilizados como uma ferramenta de auxílio no
ensino à distância. “O uso de robôs de conversação na educação pode ser muito
vantajoso. Por imitar a realidade humana e ser de fácil manuseio, um robô permite que
um visitante não se sinta constrangido ao interagir com ele.” (LEONHARDT et al,
2003, p.10).
Neste sentido, foi realizado um trabalho de conclusão de curso cujo objetivo foi
construir um primeiro protótipo de um agente de conversação (chatterbot) para um
ambiente de ensino na área de qualidade de software (RIOS, 2005). A base de
conhecimento do agente foi modelada utilizando-se a linguagem AIML (Artificial
Intelligence Markup Language) que permite descrever o comportamento do programa
13
que a está processando (WALLACE, 2001). A AIML permite a construção do
conhecimento organizada a partir de categorias. Estas categorias foram divididas ainda
em dois tipos: linguagem natural e conhecimento específico. As categorias de
linguagem natural proporcionaram ao agente a capacidade de manter uma conversação.
E as categorias de conhecimento específico o torna capaz de responder questões
relacionadas a um domínio de conhecimento.
Durante o desenvolvimento do trabalho, o agente foi disponibilizado para
utilização, de modo controlado, por pessoas que tinham ou não conhecimentos em
qualidade de software. Por meio da análise dos arquivos de registro de uso (log)
coletados, concluiu-se que as conversas que tiveram maior sucesso foram aquelas com
as pessoas que tinham algum conhecimento em qualidade de software, porque
buscavam diretamente a informação desejada. Várias novas categorias foram criadas a
partir da análise dos arquivos de registro de uso, mas o trabalho ainda sugere uma série
de melhorias em relação à capacidade de conversação e à humanização do agente. A
base de conhecimento utilizada pela versão atual do agente de conversação (chatterbot)
possui poucas categorias limitando sua compreensão de frases ou textos inseridos pelos
usuários. Além disso, não existe um método ou ferramenta que agilize o processo de
edição das categorias.
Dentro deste contexto, este trabalho ampliará a capacidade de conversação do
chatterbot, com o aprimoramento da sua base de conhecimento. Uma ferramenta
específica será criada para facilitar a entrada de dados na base de conhecimento por
meio da edição das categorias. Futuramente, o agente de conversação poderá ser portado
para o ambiente web, e integrado à plataforma colaborativa PLACES (Plataforma
Colaborativa para Engenharia de Software), que está sendo desenvolvida pelo LQPS
(Laboratório de Qualidade e Produtividade de Software) da UNIVALI, Campus de São
José (MORETTO, 2005).
14
1.2 OBJETIVOS
1.2.1 Objetivo Geral
Desenvolver uma ferramenta para a edição de categorias AIML, buscando a melhoria da
qualidade na busca e manutenção da base de conhecimento de um agente de
conversação.
1.2.2 Objetivos Específicos
Para atingir o objetivo geral estabelecido na seção anterior, será necessário atender aos
seguintes objetivos específicos:
1. Realizar uma pesquisa bibliográfica procurando abordar os principais tópicos
necessários ao desenvolvimento do trabalho
2. Desenvolver uma ferramenta que facilite a construção das entradas na base de
conhecimento do agente
3. Ampliar a capacidade de conversação do agente, reorganizando e inserindo
categorias na base de conhecimento
4. Avaliar os resultados da implantação do agente desenvolvido, de forma
controlada, permitindo a revisão e conseqüente melhoria contínua da base de
conhecimento
1.3 ESCOPO E DELIMITAÇÃO DO TRABALHO
Com este trabalho, foi desenvolvida uma ferramenta de suporte que permite a
edição facilitada da base de conhecimento do agente de conversação já implementado.
Fez parte do escopo deste trabalho a revisão da base de conhecimento e a adição de
novas categorias, preparando o agente para uma futura migração para o ambiente web,
onde será integrado à plataforma colaborativa PLACES. Não fez parte do escopo do
trabalho, o estudo e utilização de outras técnicas de Inteligência Artificial. Foram
utilizadas as técnicas já empregadas no trabalho de (RIOS, 2005) como, a linguagem
AIML na construção da base de conhecimento, o interpretador AIML Chatterbean e, a
técnica de stemmer, utilizada para facilitar o reconhecimento de sentenças.
15
1.4 JUSTIFICATIVA
No trabalho de conclusão de curso desenvolvido em (RIOS, 2005), foi
construído um agente de conversação para ser utilizado em um ambiente de ensino com
ênfase à Qualidade de Software. A atual versão do agente possui uma base de
conhecimento construída na linguagem AIML, sendo organizada em categorias de
linguagem natural e de conhecimento específico. A partir da base de conhecimento
existente, foram inseridas novas categorias de forma a ampliar a capacidade de
conversação do agente, tornando-o capaz de interagir com os usuários de forma mais
humana.
Além da evolução do mecanismo existente, foi desenvolvida uma ferramenta
para facilitar a construção das entradas na base de conhecimento do agente, tornando
seu processo de manutenção mais amigável e permitindo que especialistas possam
cadastrar informações sem a necessidade de um conhecimento prévio da estrutura
interna do sistema. Anteriormente, a edição da base de conhecimento era feita
diretamente em AIML (por meio de arquivos XML), exigindo um conhecimento
razoável da estrutura da linguagem. Com a ferramenta proposta, os especialistas
precisam apenas de conhecimento na área que está sendo modelada, facilitando a
colaboração para o crescimento do conhecimento.
O agente de conversação existente foi desenvolvido para um ambiente desktop,
limitando sua utilização e exigindo a instalação de software específico na máquina dos
participantes da conversação. A evolução da base de conhecimento é uma preparação
para a futura migração do chatterbot para o ambiente web, aumentando assim, a
disponibilidade e oferecendo maior transparência para aqueles interessados em
conversar com o agente. Um programa na web possui a vantagem de poder ser acessado
de qualquer computador no mundo que esteja conectado à Internet, não havendo a
necessidade de instalação prévia de outros programas na máquina do usuário. Com esta
adaptação, será também possível a integração do agente à plataforma PLACES, uma vez
que sua base de conhecimento continuará possuindo ênfase em Qualidade de Software.
A qualidade no processo de software é o fator primordial para o sucesso de
qualquer empresa do ramo. Uma boa estruturação do processo de software pode
acarretar menores custos e maior agilidade no desenvolvimento de sistemas. Para tanto,
a Plataforma Colaborativa para Engenharia de Software (PLACES) foi criada com o
16
intuito de dar suporte às equipes de desenvolvimento (MORETTO, 2005). O agente
poderá servir como uma ferramenta de auxílio e consulta para desenvolvedores,
gerentes de projeto e profissionais da área de qualidade e teste de software.
O agente de conversação foi disponibilizado para ser utilizado por pessoas com
conhecimentos em qualidade de software e também por leigos. Foram feitas análises
dos resultados obtidos com a utilização do agente, possibilitando a implantação de
melhorias na base de conhecimento. Este procedimento permite constantes revisões e
atualizações na base de conhecimento, o que contribui de forma significativa para o
aprimoramento do agente de conversação.
1.5 METODOLOGIA
1.5.1 Aspectos Metodológicos
Do ponto de vista da sua natureza, este trabalho utilizou a pesquisa aplicada ou
tecnológica. “Uma pesquisa que utiliza conhecimentos básicos, tecnologias existentes,
conhecimentos tecnológicos e, que tenha como objetivo um novo produto ou processo é
caracterizada como tecnológica.”(JUNG, 2004, p.189). O trabalho se enquadra neste
tipo de pesquisa por desenvolver um produto, baseado em um outro já existente, mas
com a proposta de agregar novas funcionalidades.
Quanto aos objetivos foi utilizada a pesquisa exploratória, que “visa proporcionar maior
familiaridade com o problema com vistas a torná-lo explícito ou a construir hipóteses.
Envolve levantamento bibliográfico; entrevistas com pessoas que tiveram experiências
práticas com o problema pesquisado; análise de exemplos que estimulem a
compreensão. Assume, em geral, as formas de pesquisas bibliográficas e estudos de
caso.” (EDNA e ESTERA, 1991 apud GIL, 2001, p.21). Esta compreensão inicial serviu
como ponto de partida para o desenvolvimento da solução.
Do ponto de vista dos procedimentos técnicos, foram empregados dois tipos de
pesquisa: pesquisa bibliográfica e estudo de caso. Segundo Gil (1991), a “pesquisa
bibliográfica é feita a partir de material já publicado, constituído principalmente de
livros, artigos de periódicos e também com material disponibilizado na internet.”. Em
17
relação ao estudo de casos, Jung (2004) considera que “tanto nas engenharias como na
computação são necessários estudos anteriores para que se possa determinar como está
funcionando o processo ou, como é o processo, para que posteriormente seja
recomendado, desenvolvido e implantado um novo sistema, produto, ou técnica de
otimização.”. Neste trabalho, o estudo de caso permitiu compreender do funcionamento
da versão atual do agente de conversação e de ferramentas de edição de categorias já
existentes.
1.5.2 Plano de Trabalho
As atividades constantes no plano de trabalho são as seguintes:
1. Revisão bibliográfica – Para estabelecer a base teórica que suportou todo o
desenvolvimento do trabalho, foram estudadas as técnicas utilizadas na criação
da primeira versão do agente e na base de conhecimento. Também foi feita a
análise de algumas ferramentas de edição de categorias AIML já existentes, com
o objetivo de propor uma nova ferramenta adequada à este trabalho.
2. Desenvolvimento de uma ferramenta de edição de categorias – Para a
implementação desta ferramenta foi utilizada a linguagem de programação Java.
Sua principal contribuição foi a facilidade de inserção de categorias na base de
conhecimento do agente de conversação. Com ela, especialistas podem cadastrar
entradas na base de conhecimento sem a necessidade de um conhecimento
prévio sobre a linguagem AIML.
3. Ampliação da capacidade de conversação do Agente – Foi feita uma revisão na
base de conhecimento existente. Novas categorias foram adicionadas
considerando que, quanto maior o número de categorias, maior a probabilidade
de sucesso na conversação.
4. Implantação do agente desenvolvido e avaliação dos resultados – Nesta fase o
agente foi disponibilizado para ser utilizado por pessoas com e sem
conhecimento em Qualidade de Software, de forma controlada. A partir da
análise dos arquivos de registro de uso, foram identificados pontos de melhoria
no sistema.
18
1.6 ESTRUTURA DO TRABALHO
Este capítulo apresentou o tema a ser abordado por meio de sua contextualização.
Depois, foram estabelecidos os resultados esperados por meio da definição de seus
objetivos. As limitações do trabalho foram descritas, permitindo uma visão mais clara
do escopo proposto. Também foram abordadas a justificativa e a metodologia
empregada, onde foram definidos o plano de trabalho e os prazos para a execução deste
plano. O capítulo 2 traz alguns conceitos de agentes de conversação, um estudo sobre a
linguagem AIML e, a descrição do modelo do agente já implementado. No capítulo 3 é
apresentada a análise de ferramentas já existentes, de edição de categorias AIML, de
acordo com alguns critérios considerados relevantes para a proposta de uma nova
ferramenta, voltada especificamente para o objetivo deste trabalho. O capítulo 4
apresenta a ferramenta desenvolvida, as técnicas utilizadas e alguns exemplos de
utilização. No capítulo 5 é demonstrada a aplicação da ferramenta de edição de
categorias no processo de ampliação da base de conhecimento. E o capítulo 6 traz as
conclusões do trabalho em relação aos objetivos propostos.
19
2 AGENTES DE CONVERSAÇÃO
Agentes inteligentes são programas de software que buscam interagir com seres
humanos ou outros agentes, executando tarefas reativas e proativas com algum grau de
independência e autonomia (LESNICK, 1996).
Agentes de conversação buscam imitar o comportamento humano, simulando
seu mecanismo de inteligência, com o objetivo de criar capacidade racional em
programas de computador (LEONHARDT et al, 2003). Simulam uma conversação
tentando iludir o usuário, para que este imagine que está interagindo com outro ser
humano e não com uma máquina (LAVEN, 2001).
2.1 A.L.I.C.E. E A LINGUAGEM AIML
O precursor da terceira geração de agentes de conversação foi o ALICE (ALICE,
2005). O agente ALICE (Artificial Linguistic Internet Computer Entity) é concebido
como uma tecnologia de desenvolvimento de Agentes de Conversação, em “código
aberto”, que utiliza a linguagem AIML (TEIXEIRA E MENEZES, 2003). O projeto
ALICE tem centenas de colaboradores em todo o mundo. É uma organização sem fins
lucrativos, de pesquisa e treinamento, dedicada ao desenvolvimento e reconhecimento
da linguagem AIML (Artificial Intelligence Markup Language) (ALICE, 2005). Os
principais componentes da tecnologia ALICE são as bases de conhecimento em forma
de arquivos AIML, as quais representam o cérebro do agente de conversação e, os
softwares que interpretam bases em AIML (TEIXEIRA E MENEZES, 2003).
Os arquivos AIML são formados por pequenos módulos de estímulo-resposta
chamados de categorias. Cada categoria contém um padrão de entrada, ou <pattern>, e
uma resposta, ou <template>. As categorias são armazenadas em uma árvore gerenciada
por um objeto Graphmaster, facilitando a busca pelo <pattern> equivalente quando o
usuário insere uma entrada como estímulo. ALICE implementa o modelo de
20
aprendizagem supervisionado, onde o botmaster1 executa um papel fundamental no
monitoramento das conversações e criando novos conteúdos na base de conhecimento,
buscando sempre respostas mais apropriadas, ou seja, mais humanas (WALLACE,
2001).
O agente ALICE pode ser comparado à tecnologia CBR2 que também
implementa uma estrutura de estímulo-resposta. Os casos do CBR correspondem às
categorias do AIML (TEIXEIRA E MENEZES, 2003).
O procedimento adotado no processo de conversação é o seguinte: uma rotina é
executada para ler os arquivos AIML e carregá-los na memória. De acordo com a
tecnologia ALICE, as bases de conhecimento devem ser carregadas em ordem
alfabética, e ainda, as bases que possuem perguntas que iniciam com o coringa “_”
devem ser carregadas primeiro. Desta forma o agente de conversação estará apto a
responder às perguntas dos padrões cadastrados nas bases de conhecimento em AML.
Este procedimento dinamiza a busca pelas categorias e a manutenção das bases de
conhecimento pelo botmaster (TEIXEIRA et al, 2005).
2.1.1 Categorias
Como já mencionado, a unidade básica de conhecimento na linguagem AIML é
chamada de categoria. Cada categoria consiste de uma entrada, ou <pattern>, e uma
saída, ou <template> (WALLACE, 2001). A seguir, será mostrado um exemplo com as
principais tags da linguagem AIML:
<aiml> <category> <pattern> ENTRADA </pattern> <template> resposta </template> </category> </aiml> Quadro 1 – Formato de uma categoria em AIML (RIOS, 2005)
A tag <aiml> inicia e termina um bloco em AIML; <category> identifica um
“unidade de conhecimento” na base de conhecimento; <pattern> identifica um padrão
de mensagem simples freqüentemente utilizado por usuários; e <template> contém a
resposta para uma mensagem do usuário (WALLACE, 2001).
1 Botmaster: Pessoa responsável pela manutenção da base de conhecimento do agente de conversação. 2 Case-Based Reasoning: é uma forma de se usar o conhecimento através de experiências anteriores baseadas em problemas concretos (casos) (BERGMANN, 1998 apud TEIXEIRA E MENEZES, 2003 )
21
Segundo Ringate (2002), as categorias em AIML podem ser divididas em 3
tipos: atômica, padrão e recursiva. A categoria atômica é aquela cujo pattern não
contém os símbolos “*” e/ou “_”. É o tipo de categoria mais simples em AIML.
<category> <pattern> COMO VOCE ESTA </pattern> <template> Estou bem, e você? </template> </category>
Quadro 2 - Exemplo de categoria atômica em AIML. Adaptado de (RIOS, 2005)
No exemplo do Quadro 2, a mensagem enviada pelo usuário simplesmente será
comparada com a frase localizada entre as tags <pattern> e </pattern>. Se forem
exatamente iguais, o Sistema retornará a respectiva resposta ao usuário. O diálogo
apareceria da forma mostrada no Quadro 3:
Usuário: Como você está?
Agente: Estou bem, e você?
Quadro 3 - Transformação da categoria exibida no Quadro 2 em diálogo. Adaptado de (RIOS, 2005)
Uma categoria padrão contém patterns que possuem os símbolos “*” e/ou “_”. A
categoria cujo pattern contém somente o símbolo “*” pode dar como resposta a mesma
mensagem, a qualquer entrada. Esta resposta padrão geralmente é utilizada para chamar
a atenção do usuário para algum tópico conhecido do agente de conversação. No
entanto, as categorias do tipo padrão mais comuns são aquelas que utilizam uma
combinação de palavras e símbolos.
Categorias recursivas relacionam uma entrada com outra, na parte de template.
A recursividade pode ser utilizada quando entradas similares possuem a mesma
resposta.
A Linguagem AIML pode implementar recursividade por meio do operador
<srai>. As categorias recursivas são aquelas que encaminham dados de entrada de uma
categoria para outra, com o objetivo de simplificar a linguagem ou identificar patterns
sinônimos.
A recursividade consiste em aplicar a mesma solução várias e várias vezes à
problemas cada vez menores, até o problema ser reduzido a sua forma mais simples. As
tags <sr/>, <star/ e <srai> são utilizadas para implementar recursividade e permitem que
o agente responda à sentenças complexas, desmembrando-as em sentenças mais
simples.
22
Categorias cujos patterns são sinônimos podem possuir templates iguais e, cada
vez que uma entrada sinônimo é encontrada, será remetida à categoria com o template
padrão.
<category> <pattern> ATE LOGO </pattern> <template> <srai> TCHAU </srai> </template>
</category> <category>
<pattern> TCHAU </pattern> <template> TCHAU </template>
</category>
Quadro 4 - Exemplo do uso da tag <srai> implementando recursividade
De acordo com Wallace (2001) e Ringate (2002), as categorias recursivas podem
ainda ser divididas em sete tipos: redução simbólica, dividir e conquistar, sinônimos,
correção de escrita e gramática, palavras-chave, condicional e qualquer combinação.
2.1.1.1 Redução Simbólica
Refere-se ao processo de simplificação de formas gramaticais complexas, uma
vez que, os patterns atômicos nas categorias geralmente se encontram na sua forma mais
simples. A pergunta “Quem é Fulano?” poderia ser escrita de diversas maneiras, como
por exemplo: “Você sabe quem é Fulano?”, “Fale-me sobre Fulano”, “Descreva
Fulano”. O que a tag <srai> faz é mapear todas estas formas à uma forma definida como
padrão.
<category> <pattern> VOCE SABE QUEM E * </pattern> <template> <srai> QUEM E <star/> </srai> </template>
</category> Quadro 5 - Exemplo de categoria recursiva - redução simbólica. Adaptado de (RIOS, 2005)
O exemplo do Quadro 5 mostra que a tag <star/> substitui o valor assinalado
para “*” antes da chamada recursiva à tag <srai>. A partir da tag <star/> é possível
mapear o valor existente em “*” para a categoria correspondente.
2.1.1.2 Dividir e Conquistar
Algumas sentenças podem ser divididas em duas ou mais subsentenças. Por
exemplo, se a sentença começar com a palavra “Oi...”, o Agente de Conversação pode
23
responder apenas para “Oi”, não importando quais são as palavras seguintes. O Quadro
6 apresenta um exemplo deste tipo de categoria.
<category> <pattern> OI * </pattern> <template> <srai> OI </srai> <sr/> </template>
</category> Quadro 6 - Exemplo de categoria recursiva – dividir e conquistar (RIOS, 2005)
2.1.1.3 Sinônimos
Como a linguagem AIML não permite que uma categoria possua mais de um
pattern, a solução encontrada para se trabalhar com sinônimos foi também a
recursividade. Pode-se responder da mesma forma à entradas diferentes.
<category> <pattern> OI </pattern> <template> Olá, Tudo bem? </template>
</category> <category>
<pattern> E AI </pattern> <template> <srai> OI </srai> </template>
</category> <category>
<pattern> OLA </pattern> <template> <srai> OI </srai> </template>
</category> Quadro 7 - Exemplo de categoria recursiva – sinônimos. Adaptado de (RIOS, 2005)
Como exemplificado no Quadro 7, várias entradas consideradas sonônimos,
podem remeter a uma mesma categoria, contendo uma resposta padrão.
2.1.1.4 Correção de Escrita e Gramática
Pode-se utilizar AIML para identificar erros nas entradas digitadas por usuários.
É muito comum hoje em dia, o uso de palavras abreviadas, principalmente em chats,
onde os usuários primam pela rapidez na comunicação. Para evitar que uma entrada não
seja reconhecida pelo programa, torna-se necessário a implementação de categorias de
correção, ou seja, categorias que reconheçam sentenças com palavras abreviadas ou até
mesmo escritas de forma errada.
24
O Quadro 8 mostra um exemplo de categoria aplicando correção de escrita e
gramática.
<category> <pattern> EU TB * </pattern> <template> Imagino que você quis dizer “também” e não “tb” <srai> EU TAMBEM <star/> </srai> </template>
</category> Quadro 8 - Exemplo de categoria recursiva – correção de escrita e gramática
Pode ser implementado ainda um processo de “normalização”, que consiste em
adequar todas as entradas à um modelo padrão de escrita. Uma classe executa um
número de substituições gramaticais e sintáticas em strings. Uma tarefa consiste em um
pré-processamento da sentença para remover a pontuação e preparar a entrada para a
segmentação. Outra tarefa expande todas as contrações e converte todas as letras para
“CAIXA ALTA”. A remoção da pontuação nas entradas é feita para tornar a linguagem
compatível com outros sistemas e, também, para minimizar o número de categorias
necessárias na base de conhecimento (RINGATE, 2002 ).
As categorias não precisam ser escritas em ordem alfabética de pattern, sendo
que a ordenação é feita quando as categorias são carregadas. No entanto, se o programa
possuir uma rotina de classificação, as categorias são armazenadas por ordem de
freqüência de acesso. A categoria acessada com maior freqüência é a primeira a ser
armazenada, logo após virá a segunda categoria mais acessada, e assim sucessivamente.
Se um número de categorias tiver a mesma quantidade de acessos, o programa as salva
em ordem alfabética de pattern. Desta forma também, se o programa não possuir uma
rotina de classificação, todas as categorias serão armazenadas em ordem alfabética de
pattern.
2.1.1.5 Palavra-Chave
É possível definir a mesma resposta sempre que uma determinada palavra-chave
for encontrada, seja em qualquer parte da sentença.
25
<category> <pattern> AMIGO </pattern> <template> Você tem muitos amigos? </template> </category> <category> <pattern> _ AMIGO </pattern> <template> <srai> AMIGO </srai> </template> </category> <category> <pattern> AMIGO * </pattern> <template> <srai> AMIGO </srai> </template> </category> <category> <pattern> _ AMIGO * </pattern> <template> <srai> AMIGO </srai> </template> </category>
Quadro 9 - Exemplo de categoria recursiva – Palavra-Chave. Adaptado de (RIOS, 2005)
No Quadro 9, a primeira categoria mostra a palavra-chave e a respectiva resposta
padrão. Na segunda categoria, o símbolo “_” indica que podem existir uma ou mais
palavras antes da palavra-chave, ou seja, mostra a palavra–chave como um sufixo da
sentença. Na terceira categoria, o símbolo “_” indica que podem existir uma ou mais
palavras após a palavra-chave. E na quarta e última categoria, a palavra-chave aparece
entre os símbolos “_” e “*”, o que indica que pode existir texto antes e/ou depois da
mesma.
2.1.1.6 Condicional
Para escrever desvios condicionais em AIML, pode-se utilizar apenas a tag
<srai>.
category> <pattern>VOCE CONHECE ELA</pattern> <template> <srai> VOCECONHECEELA <get name= “she”/></srai> </template> </category> <category> <pattern> VOCECONHECEELA* </pattern> <template> Ela é <get name= “she”/></template> </category> <category> <pattern> VOCECONHECEELA UNKNOWN </pattern> <template> Não. Não a conheço </template> </category>
Quadro 10 - Exemplo de categoria recursiva – Condicional. Adaptado de (RIOS, 2005)
26
De acordo com o exemplo do quadro 10, quando o usuário digitar a pergunta
“Você conhece ela?”, esta entrada será equiparada com o primeiro pattern “VOCE
CONHECE ELA”. Esta categoria executará um desvio condicional, dependendo do
valor setado para “she”. Se o atributo “she” for inicializado com “UNKNOWN”, ou
seja, “Desconhecido”, o desvio será feito para a categoria que possui o pattern
“VOCECONHECEELA UNKNOWN”.
2.1.1.7 Qualquer combinação
Neste tipo de categoria podem ser combinados todos os seis tipos anteriores de
categorias recursivas.
2.1.2 Contexto
A palavra-chave “that” refere-se à última interação do Agente de Conversação.
É utilizada entre as tags <pattern> e <template>, para que, antes de encontrar a resposta,
o Agente consiga identificar o contexto da conversa. Um exemplo muito comum para a
utilização da tag <that> é onde o usuário responde “Sim” a determinada pergunta feita
pelo Agente de Conversação. A pergunta à qual o usuário respondeu “Sim” precisa ser
encontrada por meio da tag <that>, só assim, o Agente estará apto a continuar a
conversa, dentro do atual contexto.
<category> <pattern> SIM </pattern> <that> VOCE GOSTA DE FILMES </that> <template> Qual seu filme favorito? </template> </category>
Quadro 11 - Exemplo de utilização da tag de contexto <that>. Adaptado de (RIOS, 2005)
No Quadro 11 é mostrado um exemplo de categoria onde o pattern é “SIM”.
Cada vez que uma entrada é igualada a este pattern, será verificado se a última pergunta
do Agente de Conversação corresponde á frase “VOCE GOSTA DE FILMES”. Se isto
for verdade, a próxima pergunta do Agente será “Qual seu filme favorito?”. Sem a
utilização da tag <that>, o template para o pattern “SIM” seria sempre o mesmo,
fazendo com o que o Agente de conversação pudesse dar uma resposta sem sentido, ou
seja, fora do contexto.
27
2.1.3 Targeting
Existem duas maneiras de se criar conteúdo em AIML. Uma delas é por
antecipação. O botmaster faz uma estimativa de todas ou quase todas as formas de o
usuário abordar determinada questão. A segunda maneira de criar conteúdo é baseada
na análise de arquivos de log. O botmaster lê a conversa armazenada, anota as respostas
incorretas do diálogo e, em seguida, cria novas categorias para estas questões.
2.2 AGENTE DE CONVERSAÇÃO INICIAL
A descrição do trabalho anterior é importante para o leitor tomar conhecimento
do ponto de partida do atual trabalho.
O trabalho desenvolvido propôs uma contribuição no estudo sobre a utilização
de chatterbots para auxiliar na educação à distância. O chatterbot possui conhecimentos
em qualidade de software e uma base de conhecimento estruturada na linguagem AIML
(RIOS, 2005).
O desenvolvimento do chatterbot seguiu o modelo da Fundação de Inteligência
Artificial ALICE. O interpretador AIML chatterbean (PERRONI, 2005), foi utilizado
como base para a criação do chatterbot (RIOS, 2005).
Nem todas as tags necessárias são suportadas pelo chatterbean. Portanto, foi
necessário implementar algumas delas como <random>, <li> e <that>. As tags já
suportadas pelo chatterbean são: <category></category>, <pattern></pattern>,
<template></template>, <srai></srai>, <set name = “”></set>, <get name = “”></get>,
<star/>.
A base de conhecimento é carregada a cada execução do programa, podendo ser
alterada mesmo após a compilação. O armazenamento da base de conhecimento é feito
na forma de arquivos compostos pelas categorias AIML. Sendo assim, é possível que
uma pessoa sem conhecimentos em Java, possa alterá-la.
A estrutura do programa permite que cada categoria seja armazenada em um
objeto do tipo categoria. Sendo assim, após carregar uma vez as categorias no sistema,
não é necessário ler novamente os arquivos AIML.
Como o interpretador AIML utilizado não possui suporte à categorias
randômicas, estas tiveram que ser implementadas. Com o objetivo de tornar a conversa
28
mais natural, o agente de conversação pode responder de maneiras diferentes a uma
mesma pergunta, como no exemplo do Quadro 12.
<category> <pattern> SOBRE O QUE VOCE QUER CONVERSAR </pattern> <template>
<random> <li> sobre Qualidade de Software </li> <li> sobre custos da Qualidade de Software </li> <li> sobre Análise e Auditoria </li> </random> </template>
</category> Quadro 12 - Exemplo do uso das tags randômicas <random> e <li> (RIOS, 2005)
Além do objeto “Categoria”, as tags utilizadas na categoria também
correspondem a objetos, que são ligados por uma estrutura de árvore. Neste caso, o
objeto do tipo “Li” pertence ao objeto “Random”, que pertence ao objeto “Template”, e
assim, sucessivamente.
Quando o usuário utiliza a resposta “SIM” ou “NÃO” para determinada
pergunta, torna-se necessária a utilização da tag <that>, para que o agente de
conversação consiga continuar a conversa dentro do atual contexto. Sendo assim,
também foi utilizada a implementação da tag de contexto <that> no programa
desenvolvido.
Para evitar que se tenha uma categoria para cada tipo de pergunta sobre o
mesmo assunto, foram criadas categorias padrões, com entradas que se adequam a
qualquer tipo de pergunta. O Quadro 13 mostra um exemplo com patterns padrões,
considerando maneiras diferentes de se iniciar uma pergunta. Neste caso, o que
realmente interessa ao sistema, é o assunto representado pelo símbolo “*”.
<category> <pattern> O QUE É * </pattern> <template> <srai> <star/> </srai> </template> </category> <category> <pattern> DEFINA * </pattern> <template> <srai> <star/> </srai> </template> </category> <category> <pattern> O QUE VOCÊ SABE SOBRE * </pattern> <template> <srai> <star/> </srai> </template> </category>
Quadro 13 - Exemplo de categorias com patterns padrões. Adaptado de (RIOS, 2005)
29
O Sistema cria um arquivo de log a cada conversa. São estes arquivos que irão
possibilitar a análise do funcionamento do agente de conversação e as constantes
melhorias na sua base de conhecimento. Os arquivos de log armazenam três tipos de
informação, separadas por colchetes: data e hora da conversa; entrada de texto feita pelo
usuário; resposta enviada pelo agente de conversação ao usuário.
Outra técnica utilizada foi a de stemmer (RIOS, 2005). Esta técnica foi aplicada
para ampliar a capacidade de reconhecimento de sentenças, por meio da redução das
palavras a sua raiz. Esta técnica também facilita a construção da base de conhecimento a
medida que menos categorias atendem um número maior de entradas.
Com esta técnica é possível até mesmo o reconhecimento de palavras escritas
incorretamente, como mostra o exemplo do Quadro 14.
<category> <pattern> CONSEGUES ENTENDER </pattern> <template> Sim consigo </template> </category> <category> <pattern> CONSEG ENTEND </pattern> <template> Sim consigo </template> </category>
Quadro 14 - Exemplo de categorias antes e depois da aplicação do algoritmo de stemmer (RIOS, 2005)
O algoritmo de stemmer é aplicado na leitura das categorias e na entrada de
dados. Na base de conhecimento, as categorias podem apresentar os patterns com
palavras escritas nas suas formas normais. Ao se carregar a base de conhecimento em
memória, no momento da execução do programa, será aplicado o algoritmo de stemmer
em cada pattern, transformando as palavras em seus radicais. Para que as entradas dos
usuários possam ser comparadas com os patterns existentes, também é necessária a
aplicação do algoritmo de stemmer sobre elas.
2.3 CONSIDERAÇÕES DO CAPÍTULO
Este capítulo apresentou uma introdução aos agentes de conversação e também
um estudo sobre a linguagem AIML, conhecimentos necessários para o
desenvolvimento da segunda parte do trabalho. Foram descritas ainda, as características
do agente de conversação desenvolvido no trabalho anterior, com o objetivo de
delimitar o ponto de partida do atual trabalho.
30
Geralmente, os agentes de conversação são criados com algum propósito.
Agentes criados com o objetivo de ensino, precisam de uma base de conhecimento que
contenha conceitos, exemplos, referências e pontos de vista sobre determinado assunto.
Contudo, o principal objetivo dos agentes de conversação é, sem dúvida, a semelhança
com a habilidade humana de conversação, tornando-o não apenas um dicionário, mas
uma entidade capaz de interagir com o usuário.
De acordo com as conclusões estabelecidas por (RIOS, 2005), em relação ao
trabalho desenvolvido, a base de conhecimento do agente pode ser melhorada,
ampliando sua capacidade de conversação, principalmente através da inserção de
categorias de linguagem natural. Este procedimento facilitará a utilização do agente, por
todos os tipos de usuários, inclusive por aqueles que não conhecem a área de
conhecimento do agente e/ou sobre a estrutura interna da base de conhecimento.
No capítulo 3, a análise de ferramentas de edição de categorias AIML, deverá
fornecer subsídios para a proposta de uma nova ferramenta, voltada especificamente
para a aceleração do processo de cadastro de categorias. Além disto, a ferramenta deve
tornar o processo de manutenção da base de conhecimento menos complexo.
31
3 FERRAMENTAS DE EDIÇÃO DE
CATEGORIAS AIML
Este capítulo descreve algumas ferramentas que possibilitam a inserção,
alteração e busca de categorias em bases de conhecimento. As ferramentas encontradas
foram “Pandorabots” e “AIMLpad”. Pandorabots não é somente uma ferramenta de
edição de categorias, mas um ambiente que permite a criação de agentes de conversação
e bases de conhecimento. A AIMLpad é uma ferramenta mais parecida com um editor
de textos que, basicamente, possibilita a manipulação de categorias e arquivos AIML.
Estas ferramentas serão analisadas considerando principalmente a facilidade de uso na
criação de categorias e na manipulação das bases de conhecimento, características
fundamentais para a ferramenta a ser desenvolvida. Os critérios de avaliação serão: teste
de categorias, importação de categorias, cadastro de categorias, ajuda para utilização da
ferramenta e filtros de busca de categorias.
3.1 CRITÉRIOS DE AVALIAÇÃO:
3.1.1 Critério 1- Cadastro de Categorias:
No capítulo 2, foram descritos os três tipo de categorias: Atômica, Padrão,
Recursiva. A ferramenta deve possibilitar a criação de todos estes tipos de categorias,
inclusive por usuários sem conhecimentos na linguagem AIML. Para isto, é preciso
criar um mecanismo que não obrigue o usuário a entender a complexidade da linguagem
e que o induza ao melhor aproveitamento das categorias. A ferramenta deve contribuir
para uma organização mais inteligente da base de conhecimento, evitando o esforço
repetitivo de cadastro.
32
3.1.2 Critério 2 – Teste das Categorias:
Para que se possa verificar o funcionamento da base de conhecimento do agente,
é interessante que a ferramenta de edição de categorias ofereça a opção de teste das
categorias. Uma interface deve ser disponibilizada, para que o usuário entre com
determinada pergunta e verifique a resposta dada pelo agente. O usuário deve poder
escolher o teste de toda a base de conhecimento, apenas de determinado grupo de
categorias, ou ainda, apenas de uma categoria.
3.1.3 Critério 3 – Importação de Categorias:
Com o objetivo de automatizar o processo de cadastro de categorias, deve ser
possível, importar arquivos AIML e também arquivos texto para a base de
conhecimento. Arquivos texto importados, devem seguir uma norma de composição
para que possam ser convertidos para AIML. Um arquivo texto possível de ser
convertido, deve estar na forma de um diálogo, sempre iniciando com a entrada do
usuário e em seguida a resposta do agente. Perguntas e respostas devem estar separadas
por no mínimo uma linha em branco.
3.1.4 Critério 4 – Filtros de Busca:
Filtros de busca correspondem às opções de busca por uma categoria específica
ou um grupo de categorias, com o objetivo de edição ou teste das mesmas. É necessário
que a base de conhecimento esteja devidamente classificada e organizada para facilitar a
sua exploração. A ferramenta deve conter as seguintes opções de busca:
Busca por Pattern:
- busca pelo primeiro caracter: retorna todas as categorias cujos patterns iniciam
com determinado caracter.
- busca por grupo de caracteres: retorna todas as categorias cujos patterns
iniciam com determinado conjunto de caracteres.
- busca por palavra chave: retorna todas as categorias cujos patterns contêm
determinada palavra chave.
- busca por pattern específico: retorna a categoria que contenha determinado
pattern.
33
Busca por Template:
- busca pelo primeiro caracter: retorna todas as categorias cujos templates
iniciam com determinado caracter.
- busca por grupo de caracteres: retorna todas as categorias cujos templates
iniciam com determinado conjunto de caracteres.
- busca por palavra chave: retorna todas as categorias cujos templates contêm
determinada palavra chave.
- busca por template específico: retorna a(s) categoria(s) que contenha(m)
determinado template.
3.1.5 Critério 5 – Ajuda:
A ajuda ao usuário costuma fazer parte da maioria das aplicações existentes. A
ajuda por si só não necessariamente se torna útil, sem um planejamento e uma intenção
como ponto de partida. Além disto, deve, abordar o assunto de forma clara e facilitar o
encontro da informação desejada. Acima de tudo, deve induzir o usuário a correta
utilização da ferramenta. No caso da ferramenta de edição de categorias, objetivo deste
trabalho, a ajuda não só deve ser um tópico isolado, como deve ser apresentada
automaticamente acompanhando os passos do usuário. Mas, principalmente, deve
encobrir os conceitos da liguagem AIML, sendo que, o objetivo da ferramenta é apenas
facilitar e acelerar o processo de construção do conhecimento de um agente de
conversação.
3.2 FERRAMENTA 1: PANDORABOTS
Utilizando o site pandorabots.com (PANDORABOTS, 2003), usuários podem
criar seus próprios agentes de conversação e disponibilizá-los na Internet. O site oferece
um serviço de registro onde o usuário pode manter uma conta de acesso gratuito.
34
Por meio do cadastro de email e senha, o usuário tem acesso à visualização e
edição de seus agentes de conversação, como exemplificado nas figuras 1 e 2.
Figura 1 - Página de acesso ao Pandorabots
Figura 2 - Página contendo todos os agentes de conversação criados pelo usuário
Estes agentes de conversação foram criados apenas com o intuito de
exemplificar as opções disponíveis no site.
35
Ao clicar no nome do agente de conversação, é exibida a página do mesmo,
incluindo todas as opções para edição da base de conhecimento, como mostra a figura 3.
Figura 3 - Página do agente de conversação “AgenteA”
3.2.1 Avaliação – Critério 1:
Com a interface “Treinamento” o usuário poderá definir perguntas e as
respectivas respostas que serão cadastradas na base de conhecimento. As perguntas
serão os patterns nas categorias, ou seja, as possíveis entradas do usuário. E as respostas
serão os templates, com as respostas do agente de conversação para os patterns
cadastrados. Cada agente de conversação possui sua própria base de conhecimento,
composta por um conjunto de arquivos AIML.
Figura 4 - Interface de Treinamento – Cadastro de categoria atômica - Pergunta
A figura 4 mostra um exemplo de pergunta que pode ser cadastrada. Após clicar
no botão “Perguntar”, a página exibe uma sugestão para a resposta do agente de
conversação e a opção para o usuário definir outra resposta, como exibido na figura 5.
36
Figura 5 - Interface de Treinamento – Cadastro de categoria atômica - Resposta
Ainda na interface “Treinamento”, é oferecida a opção “Alteração de Resposta
Avançada”.
Figura 6 - Interface de Treinamento – Alteração de Resposta Avançada
Para alterar o template, existem alguns botões que, ao serem clicados, atualizam
o editor de template com a estrutura completa da tag. No entanto, não há qualquer
explicação do significado das tags.
37
Nesta interface, é possível ainda, definir a dependência de determinado contexto,
estabelecido por “that” ou “topic”.
Figura 7 - Interface de Treinamento – Alteração de Resposta Avançada – 2
Esta ferramenta atende parcialmente ao critério de avaliação 1, sendo que, é
possível apenas o cadastro de categorias atômicas, por usuários leigos. Os demais tipos
de categorias, modeladas por meio da opção “Alteração de Resposta Avançada”,
necessitam de um conhecimento maior da linguagem AIML, no entanto não é oferecido
qualquer tipo de orientação neste processo.
3.2.2 Avaliação – Critério 2:
Pandorabots não atende ao critério de avaliação 2, por não possuir a opção de
teste das categorias cadastradas ou importadas.
3.2.3 Avaliação – Critério 3:
A opção “Pandorawriter” possibilita a converção de diálogos em categorias. O
usuário pode digitar o diálogo no editor, ou carregá-lo com um arquivo texto já
existente.
38
O arquivo texto pode ser encontrado através da ferramenta de busca como
mostra a figura 8.
Figura 8 - Interface Pandorawriter
O diálogo deve conter alternadamente uma pergunta do usuário humano e uma
resposta do agente de conversação. Como a pergunta e a resposta podem conter várias
linhas, é preciso que cada uma delas seja terminada por uma ou mais linhas em branco,
para que a ferramenta possa separá-las.
Através da opção “AIML”, o usuário pode visualizar todos os arquivos que
compõem a base de conhecimento de determinado agente de conversação. Os arquivos
aparecem classificados pelo primeiro caracter, de acordo com a figura 9. Esta interface
também disponibiliza as seguintes opções: clicar no arquivo para editá-lo, copiar
arquivos para a máquina local, enviar arquivos para a base de conhecimento e tornar os
arquivos ativos ou não. Quando o usuário envia arquivos para a base de conhecimento,
existe a opção de converter arquivos texto para AIML.
39
Figura 9 - Arquivos AIML classificados
Esta ferramenta atende ao critério de avaliação 3. Permite que o usuário
importe tanto categorias AIML como arquivos texto em forma de diálogos, convertidos
posteriormente em arquivos AIML e agregados à base de conhecimento.
3.2.4 Avaliação – Critério 4:
Como visto na figura 9 acima, na interface “AIML”, são listados todos os
arquivos AIML que compõem a base de conhecimento do agente. Os arquivos
classificados pelo caracter de início dos patterns são disponibilizados pela própria
ferramenta, no momento da criação do agente. Porém, o usuário poderá criar novos
arquivos e organizá-los da maneira que preferir. Sendo assim, no caso desta ferramenta,
a busca é feita somente por arquivo, portanto, Pandorabots não atende ao critério de
avaliação 4.
3.2.5 Avaliação – Critério 5:
Esta ferramenta, apesar de conduzir o usuário na sua utilização, a maioria dos
tópicos é voltada para conhecedores da linguagem AIML.
40
Possui um link para documentação (em inglês) explicando o funcionamento da
linguagem AIML e também links para fóruns de discussão e listas de emails (veja figura
10).
Figura 10 – Suporte Pandorabots
Considerando que, nosso objetivo é justamente omitir os conceitos e a
complexidade da linguagem AIML, a ajuda oferecida pela ferramenta Pandorabots
atende parcialmente ao critério de avaliação 5.
3.3 FERRAMENTA 2: AIMLPAD
Este sistema oferece todas as funcionalidades de um editor de texto comum, mas
com várias outras funcionalidades adicionais de edição de categorias em AIML.
3.3.1 Avaliação – Critério 1:
AIMLPad não atende ao critério de avaliação 1, por não apresentar opção de
cadastro de categorias. Permite somente a edição de arquivos AIML, obrigando o
usuário a conhecer a linguagem.
41
Para visualizar um arquivo AIML completo e editá-lo, é preciso utilizar a opção
“Open” do menu File, de acordo com a figura 11.
Figura 11 - Menu “File” – Open
Esta é a parte do editor de texto do AIMLpad. Esta opção pode ser utilizada
apenas por usuários avançados em AIML, considerando que, para construir ou
modificar uma categoria, é preciso ter conhecimento das tags. A figura 12 mostra um
arquivo AIML pronto para edição.
Figura 12 - Arquivo AIML pronto para edição
42
3.3.2 Avaliação – Critérios 2 e 3:
Esta ferramenta permite que o usuário teste a sua base de conhecimento através
do diálogo com o robô. Antes disto, é preciso carregar os arquivos AIML criados, na
base de dados do interpretador. Se o usuário tiver mais de um arquivo AIML
representando sua base de dados, ele precisará montar uma lista de todos estes arquivos
em um outro arquivo texto simples. Todos os arquivos AIML a serem carregados,
devem ser armazenados em um mesmo diretório com o nome de “AIML”. O arquivo
texto também deve ser armazenado neste diretório, com o nome de “filelist.txt”, sendo a
primeira linha “*.aiml” e a seguinte “<eof>”. O símbolo “*” indica todos os arquivos
AIML armazenados no diretório e “<eof>” indica o final do arquivo (AIMLPAD,
2005). O arquivo texto ficará no estilo do Quadro 15.
*.aiml
<eof>
Quadro 15 - Arquivo texto com a descrição dos arquivos AIML a serem carregados
Para carregar os arquivos AIML na base de dados do AIMLpad, deve-se
escolher no menu “AIML” a opção “Learn...” como mostra a figura 13.
Figura 13 - Menu AIML – Learn...
Após clicar em “Learn...”, o sistema mostra uma caixa de diálogo onde o usuário
deve digitar o nome do arquivo texto que contém os nomes dos arquivos AIML que
serão carregados. Pode-se utilizar a opção “Browse for Imput File” como auxílio para a
busca do arquivo. A figura 14 mostra esta caixa de diálogo, com o botão “Learn
AIML”, o qual o usuário deve clicar para que os arquivos sejam carregados.
43
Figura 14 - Caixa de diálogo "Learn AIML"
Um outro passo é recomendado para que se tenha maior concordância com os
padrões AIML (AIMLPAD, 2005). Este passo é a classificação dos patterns na base de
dados, através da opção “Sort” do menu “AIML”, assim como mostra a figura 15. Esta
classificação cria um arquivo de patterns em ordem alfabética.
Figura 15 - Menu AIML – Sort
Ainda seguindo o procedimento de teste da base de conhecimento, o usuário
poderá efetuar um diálogo simulado pela ferramenta, com a base de conhecimento
carregada anteriormente. Para isto, é preciso deixar o editor em branco e clicar na opção
“Dialog” do menu “Tools”, como mostra a figura 16.
Figura 16 - Menu Tools – Dialog
44
A simulação de um diálogo é exemplificada através da figura 17.
Figura 17 - Teste da base de conhecimento através de um diálogo
Esta ferramenta atende parcialmente o critério de avaliação 2, por não
permitir o teste de uma categoria, apenas de um ou mais arquivos AIML. Atende
parcialmente ao critério de avaliação 3, por não importar arquivos texto, somente
arquivos AIML, com as categorias já montadas.
3.3.3 Avaliação – Critério 4:
Assim como na maioria dos editores de texto, o AIMLpad oferece as opções de
busca de um texto específico “Find” e substituição de texto “Replace”. Possui ainda a
opção “Go to line...”, que leva o usuário diretamente à linha desejada do arquivo.
Através desta opção, o log do diálogo será gravado e as categorias utilizadas
poderão ser visualizadas e editadas através da opção “Edit Targets”, disponível no
mesmo menu.
Figura 18 - Tela de edição de categorias
45
A tela exibida na figura 18 mostra todas as opções para edição de categorias. O
usuário pode navegar através das categorias clicando no botão “Next”. Existe também a
opção de criar novas categorias através desta interface. Mas uma questão que deve ser
mencionada, é a dificuldade que usuários iniciantes têm em utilizar a ferramenta. As
opções mais sofisticadas de edição, como as funções <random>, <srai>, <sr/>, <think>
e tantas outras da linguagem AIML, não estão disponíveis com alguma explicação de
uso, ou até mesmo com interfaces mais amigáveis, facilitando o entendimento pelo o
usuário. Somente usuários mais avançados na linguagem AIML conseguirão utilizar a
ferramenta de forma completa.
A tela de edição de categorias é o ponto central para atualização de categorias
individualmente. Enquanto o objetivo do editor AIMLpad é visualizar e alterar o
arquivo como um todo, a tela de edição de categorias trás a opção de alterar os mesmos
arquivos, em pontos específicos. Mas esta seção trabalha apenas sobre os arquivos
carregados na base de dados do interpretador, e não sobre qualquer arquivo AIML
(AIMLPAD, 2005).
Se ao invés de navegar através das categorias, o usuário preferir encontrar
diretamente uma determinada categoria, poderá fazê-lo através da opção “Search
Categories...” do menu AIML.
Figura 19 - Tela de busca de categorias
Na tela da figura 19, foi feita a busca de todas as categorias que começam com a
palavra “Ola”. Se o usuário der um duplo clique sobre o pattern, o sistema abrirá a tela
para edição da categoria correspondente.
AIMLPad atende parcialmente ao critério de avaliação 4, por permitir a busca
de categorias apenas por Pattern. De acordo com o nosso critério, deveria também
permitir a busca por Template.
46
3.3.4 Avaliação – Critério 5:
Figura 20 – Sobre a Ferramenta
De acordo com a figura 20, esta ferramenta não atende ao critério de avaliação
5, por não apresentar qualquer tipo de ajuda ao usuário quanto a sua utilização. O única
opção disponível no menu Ajuda, remete o usuário a informações de versão da
ferramenta e direitos autorais.
3.4 SEÇÃO COMPARATIVA DAS FERRAMENTAS
Cada ferramenta obteve uma pontuação associada a cada módulo avaliado. Se a
ferramenta atendeu determinado critério de avaliação, recebeu 2 pontos, se atendeu
parcialmente, recebeu 1 ponto. O quadro abaixo, mostra a soma dos pontos de cada
ferramenta:
Critérios de Avaliação Pandorabot AIMLpad
1. Cadastro de Categorias Atende parcialmente (1) Não atende (0)
2. Teste de Categorias Não atende (0) Atende parcialmente (1)
3. Importação de Categorias Atende (2) Atende parcialmente (1)
4. Filtros de Busca Não atende (0) Atende parcialmente (1)
5. Ajuda Atende parcialmente (1) Não atende (0)
PONTUAÇÃO 4 3 Quadro 16 – Quadro comparativo das ferramentas
A ferramenta 1 obteve a maior pontuação, portanto, de acordo com os 5 critérios
de avalição descritos, é a que mais se aproxima das características buscadas para a
ferramenta de edição de categorias. Os aspectos positivos encontrados em cada
47
ferramenta contribuíram de forma significativa na construção da nova ferramenta, que
será descrita no capítulo 4.
3.5 CONSIDERAÇÕES DO CAPÍTULO
Neste capítulo foi feita a avaliação de duas ferramentas de edição de categorias
AIML. A avaliação foi baseada em cinco critérios, mais especificamente cinco módulos,
considerados necessários para a composição da ferramenta que irá auxiliar na
manutenção da base de conhecimento do chatterbot.
Cada ferramenta foi avaliada separadamente, conforme os critérios de cadastro,
importação, teste, pesquisa e ajuda. A ferramenta que mais se aproximou das
características ideais foi a primeira, Pandorabot, tendo somado 4 pontos quando atendeu
completamenta ao critério de importação e parcialmente aos critérios de ajuda e
cadastro. A outra ferramenta, AIMLpad, somou 3 pontos, somente atingindo
parcialmente aos critérios de teste, importação e filtros de busca. No capítulo seguinte
será apresentada a descrição da ferramenta implementada, com exemplos de utilização
das suas funcionalidades.
48
4 FERRAMENTA DESENVOLVIDA
A partir da análise de algumas ferramentas que, entre outras funções,
possibilitam o cadastro e edição de categorias AIML em bases de conhecimento, foi
proposta a construção de uma nova ferramenta, voltada para a melhoria da base de
conhecimento de um agente de conversação específico. Este agente foi construído com
o propósito de auxiliar usuários na aprendizagem de Qualidade de Software. Com o
intuito de tornar o processo de inserção de conhecimento na base menos complexo e
mais ágil, a ferramenta permite que pessoas sem conhecimento na linguagem AIML
possam cadastrar categorias, além de automatizar ações repetitivas. Os módulos que
compõem a ferramenta são: Cadastro, Importação, Pesquisa e Teste.
4.1 CADASTRO:
A base de conhecimento atual está dividida em 4 arquivos. Esta divisão foi feita
apenas para facilitar sua visualização. Os 4 arquivos que compõem a base são:
saudacao.aiml, qualidade.aiml, gerais.aiml e conhecimentosGerais.aiml. O arquivo
saudacao.aiml possui categorias de saudação, despedida e introdução de conversas.
Qualidade.aiml comporta categorias sobre Qualidade de Software, principalmente com
conceitos de diversos tópicos referentes a este assunto. O arquivo gerais.aiml é
composto por categorias que correspondem as diversas maneiras de se formular uma
pergunta ou de se abordar um assunto. O asterisco (*) adicionado ao pattern da
categoria, substitui o assunto propriamente dito. Este símbolo representa o pattern da
categoria a qual o foco será remetido. E, finalmente, o arquivo
conhecimentosGerais.aiml abrange categorias de assuntos diversos, peculiaridades do
agente e seus conhecimentos.
49
Este módulo apresenta 5 possibilidades diferentes de cadastro, como mostra o
menu na figura 21, cobrindo todos os tipos de categorias. A nomenclatura dos itens de
menu não corresponde exatamente aos nomes corretos dos tipos de categorias segundo a
teoria da linguagem AIML, sendo que, o objetivo é justamente facilitar a compreensão
por usuários leigos na linguagem.
Figura 21 – Cadastro de Categorias – Tipos de Categorias
Para fazer qualquer tipo de cadastro, o usuário deve primeiramente abrir o
arquivo AIML no qual deseja inserir categorias, clicando na opção “Abrir” do Menu
“Arquivo”, de acordo com a figura 22.
Figura 22 – Cadastro de Categorias – Opção “Abrir Arquivo”
50
Após selecionar o arquivo e abrí-lo (Figura 23), a ferramenta exibe o mesmo em
uma caixa de texto na própria janela de cadastro (Figura 24).
Figura 23 – Popup Window – Seleção do Arquivo
Figura 24 – Cadastro de Categorias – Arquivo exibido na tela
Nesta tela, o usuário poderá cadastrar tanto uma categoria atômica, quanto
padrão e recursiva. Ao preencher somente pergunta e resposta, ele estará cadastrando
uma categoria atômica. Se além de pergunta e resposta, o usuário preencher o campo
“Depende do Contexto”, estará cadastrando uma categoria com contexto, sem a
necessidade de saber que o mesmo deve estar entre as tags <that> e </that>. O usuário
apenas precisa saber que o contexto é utilizado para o agente não se perder no
andamento da conversa, lembrando da sua última resposta ou pergunta. Esta tela
51
apresenta ainda a opção de “Direcionar para a categoria”, inserida entre as tags <srai> e
</srai> e que faz parte do template. Esta opção permite que a resposta seja direcionada
para outra categoria. Isto corresponde à recursividade em AIML, sendo utilizada,
geralmente, quando uma ou mais entradas podem apresentar uma mesma saída. Toda a
categoria adicionada, é inserida ao final do arquivo, considerando que, independe do
local onde estejam na base, ao rodar o sistema do Chatterbot, todas as categorias são
carregadas em um único arquivo. A seguir serão apresentados, através das figuras (25 –
28), todos os tipos de categorias possíveis de serem cadastradas na tela de cadastro
simples:
Figura 25 – Cadastro de Categorias – Categoria Simples - 1
Figura 26 – Cadastro de Categorias – Categoria Simples - 2
52
Figura 27 – Cadastro de Categorias – Categoria Simples - 3
Figura 28 – Cadastro de Categorias – Categoria Simples - 4
A ferramenta disponibiliza uma tela específica para o cadastro de categorias cuja
resposta é randômica. Neste tipo de categoria, o chatterbot sorteia uma resposta entre
várias.
Figura 29 – Cadastro de Categorias – Resposta Randômica
53
A interface exibida na figura 29, permite que o usuário também abra um arquivo,
se o mesmo não tiver sido aberto na tela anterior. Permite também a adição de n
respostas à categoria antes do seu cadastro.
A figura 30 mostra o resultado do cadastro da categoria randômica:
Figura 30 – Cadastro de Categorias – Resposta Randômica - 1
A próxima tela corresponde ao cadastro de categoria recursiva, utilizando o
princípio mencionado anteriormente, a respeito da divisão da base de conhecimento. O
arquivo gerais.aiml possui uma coleção de categorias representando diversos tipos de
perguntas, ou seja, diversos tipos de entradas. Neste caso, o que realmente interessa ao
agente, é o assunto propriamente dito, que é representado pelo asterisco (*). A figura 31
mostra os campos preenchidos para o cadastro das categorias e a figura 32 o resultado
do cadastro no arquivo.
Figura 31 – Cadastro de Categorias – Perguntas Diversas - 1
54
Figura 32 – Cadastro de Categorias – Perguntas Diversas - 2
Outro tipo de categoria recursiva é a que trabalha com sinônimos. Utilizando a
recursividade em AIML, por meio da tag <srai>, é possível mapear n sinônimos a uma
única entrada e uma única resposta.
Na tela a seguir (Figura 33), o usuário pode adicionar um ou mais sinônimos que
serão transformados em categorias.
Figura 33 – Cadastro de Categorias – Sinônimos – 1
Resultado do cadastro:
Figura 34 – Cadastro de Categorias – Sinônimos – 2
55
A última tela deste módulo, permite o cadastro de categorias do tipo Palavra-
Chave. Este tipo de categoria é utilizada quando se deseja definir uma resposta quando
uma determinada palavra for encontrada em qualquer parte da frase de entrada.
Ao cadastrar uma palavra-chave e a resposta, a ferramenta cria outras 3
categorias compondo o grupo necessário para cobrir todas as posições da palavra na
frase, utilizando os símbolos “_” e “*”, de acordo com a figura 35.
Figura 35 – Cadastro de Categorias – Palavra-Chave
O usuário tem a possibilidade de ver o cadastro acontecendo, quando visualiza o
arquivo e as categorias sendo adicionadas. Para concluir o cadastro, é preciso ainda,
salvar o arquivo utilizando o botão “Salvar Arquivo”.
Com este módulo a ferramenta busca cobrir todos os requisitos de cadastro
especificados na sua proposta. Todos os tipo de categorias, descritos no capítulo 2, são
possíveis de serem cadastrados, considerando que, o usuário não necessita conhecer as
funções das tags e a estrutura do documento, para efetuar o cadastro.
4.2 IMPORTAÇÃO
A importação de categorias para a base de conhecimento, contribui
consideravelmente para a rapidez no cadastro. Se a importação for de um arquivo
56
AIML, basta salvar uma cópia do arquivo no diretório onde estão os outros arquivos da
base de conhecimento. Mas se o usuário deseja transformar um arquivo texto em
categorias, este deve estar em formato de diálogo, iniciando com a entrada seguida da
resposta do agente. Entradas e respostas devem estar separadas por no mínimo uma
linha em branco. Seguindo o mesmo processo de cadastro, inicialmente é preciso abrir o
arquivo ao qual deseja inserir categorias. Clicando na opção Importar no menu
Categorias (Figura 36), a ferramenta exibe uma janela onde o usuário seleciona o
arquivo texto que deseja converter em categorias (Figura 37).
Figura 36 – Categorias – Importar
Figura 37 – Categorias – Importar – Seleção do Arquivo
57
A figura 38 mostra o arquivo texto aberto e a figura 39 apresenta o mesmo
arquivo transformado em categorias.
Figura 38 – Arquivo texto
Figura 39 – Resultado da Importação
Este módulo atende aos requisitos de importação de categorias descritos na
proposta da ferramenta, sendo também um dos critérios de avaliação das ferramentas no
capítulo 3.
4.3 PESQUISA
De acordo com a especificação da ferramenta, a pesquisa deve ser possível tanto
por pattern (entrada) quanto por template (resposta). Nos dois casos, existe ainda a
pesquisa por pattern específico ou template específico, por palavra-chave, por caracter
inicial ou por grupo de caracteres. O retorno será uma categoria ou um grupo de
categorias. O usuário poderá editá-las como desejar.
Tanto na busca por pattern quanto por template, o usuário digita a palavra, a
frase, o caracter ou o grupo de caracteres e clica em perquisar ao lado do campo de
texto.
58
Abaixo, na figura 40 está um exemplo de busca por pattern e a seguir na figura
41, um exemplo de busca por template.
Figura 40 – Busca por Pattern
Figura 41 – Busca por Template
59
4.4 TESTE
Este módulo não precisou ser implementado, sendo que, a ferramenta apenas
possui um link com o agente de conversação. Inicialmente foi determinado que o teste
poderia ser apenas de uma categoria, ou de um grupo de categorias, ou mesmo de toda a
base de conhecimento. No entanto, como o agente, ao ser rodado, carrega toda a base de
conhecimento em um único local, independente de quantos arquivos AIML possua na
base, optou-se sempre pelo teste de toda a base. Portanto, ao clicar na opção Testar, no
menu Categorias, o chatterbot é executado, possibilitando o teste de todas as categorias
da base, inclusive aquelas cadastradas recentemente. A seguir será exemplificado um
processo de cadastro e teste de uma categoria. Na tela abaixo, ocorre o cadastro de uma
categoria simples (Figura 42). Logo após, na figura 43, o agente em funcionamento,
mostrando o reconhecimento da categoria cadastrada.
Figura 42 – Cadastro antes de executar o Teste
Figura 43 – Categorias – Testar
O módulo de teste é fundamental em uma ferramenta como esta. Ele permite que
o usuário verifique o funcionamento das categorias cadastradas.
60
4.5 CONSIDERAÇÕES DO CAPÍTULO
Este capítulo apresentou a descrição da ferramenta implementada, mostrando o
cumprimento dos requisitos estabelecidos após a análise feita no capítulo 3.
O desenvolvimento desta ferramenta foi um dos objetivos atingidos neste
trabalho, mostrando facilitar a entrada de categorias na base de conhecimento. O
mecanismo de inserção de categorias em um arquivo AIML demanda menos esforço
repetitivo quando a ferramenta coloca automaticamente as entradas entre as tags
específicas, por meio dos módulos de cadastro e importação. Além disto, o módulo de
pesquisa permite que o usuário encontre rapidamente categorias já cadastradas. E, por
último, o módulo de teste mostra a base em funcionamento, utilizando-se do próprio
chatterbot.
O próximo capítulo demonstrará a estrutura da base de conhecimento inicial, o
processo feito a partir desta base e, as melhorias alcançadas.
61
5 APLICAÇÃO DA FERRAMENTA
5.1 ESTRUTURA INICIAL DA BASE DE CONHECIMENTO
A base inicial possui categorias de saudação, ou seja, de introdução a uma
conversa, categorias de despedida, e categorias que tratam do desenvolvimento da
conversa. Como o objetivo do chatterbot é o ensino de Qualidade de Software, ele
busca sempre direcionar a conversa para este assunto, considerando também que, é a
área de maior domínio.
Após a saudação, o chatterbot pergunta se o usuário precisa de alguma ajuda em
Qualidade de Software. Se a resposta for “sim”, a próxima categoria a ser processada é
a categoria “AJUDAR”. Esta apresenta duas opções de resposta: “Tentarei ajudá-lo” e
“Irei respondê-lo da melhor maneira possível”. Se o usuário digitar “não”, a resposta é
direcionada à categoria “NÃO QUERO AJUDA”. Neste caso, a chatterbot responde
que não poderá ajudar em outros assuntos. Se ao invés de “sim” ou “não”, o usuário
digitar uma entrada não identificada, a saída será “Meus conhecimentos são restritos.
Favor tentar ser mais ou menos específico.”.
Existe ainda uma categoria responsável por processar entradas não identificadas,
sem a análise de contexto. Em qualquer momento da conversa, uma entrada não
identificada do usuário, possui como resposta uma das seguintes frases, considerando
que, a categoria é randômica:
1. “Você poderia fazer a sua pergunta de uma outra forma?”
2. “Infelizmente não pude entender sua última frase.”
3. “Não sei nada sobre "<star/>"3. Ou, não entendi sua pergunta.”
3 Corresponde à entrada do usuário
62
4. “Estou em constante aprimoramento, mas infelizmente não compreendi sua última
frase.”
A seguir, está a apresentação da estrutura completa da categoria:
<category> <pattern>*</pattern> <template> <random> <li>Você poderia fazer a sua pergunta de uma outra forma?</li> <li>Infelizmente não pude entender sua última frase.</li> <li>Não sei nada sobre "<star/>". Ou, não entendi sua pergunta.</li> <li>Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase.</li> </random>
</template> </category>
Quadro 17 – Categoria – Processamento de entradas não identificadas
Ao ser questionado sobre o que sabe ou qual assunto sugere para a conversa, o
chatterbot apresenta algumas opções de tópicos sobre Qualidade de Software, como
demonstrado na categoria do Quadro 18.
<category> <pattern>ASSUNTOSCONHECIDOS</pattern> <template> <random> <li>Posso lhe explicar o que é ação corretiva, ação preventiva, entre outros assuntos relacionados à Qualidade de Software.</li> <li>Posso lhe explicar o que são os custos da qualidade, eficiência, entre outros assuntos relacionados à Qualidade de Software.</li> <li>Posso lhe explicar o que é análise crítica, auditoria, entre outros assuntos relacionados à Qualidade de Software.</li> <li>Posso lhe explicar o que é uma entidade certificadora, estimação de confiabilidade, entre outros assuntos relacionados à Qualidade de Software.</li> <li>Posso lhe explicar o que é funcionalidade, qualidade da garantia, entre outros assuntos relacionados a Qualidade de Software.</li> <li>Posso lhe explicar o que é GUI, gerencia de projetos, entre outros assuntos relacionados à Qualidade de Software.</li> <li>Posso lhe explicar o que é gestão de configuração, gestão de qualidade, entre outros assuntos relacionados à Qualidade de Software.</li> </random> </template> </category>
Quadro 18 – Categoria – Processamento de entradas não identificadas
Outra parte da base de conhecimento, abrange categorias que tornam o
chatterbot apto a responder questões sobre suas particularidades, como, quem ele é, o
que sabe, o que faz, e ainda, assuntos gerais.
63
O próximo arquivo da base é composto por categorias que abrangem as diversas
maneiras de se fazer uma pergunta ou abordar um assunto. Estas categorias têm ligação
com as categorias do arquivo qualidade.aiml, formado por inúmeros conceitos de
tópicos referentes à Qualidade de Software. Este arquivo compreende a parte de
conhecimento específico do chatterbot.
De acordo com as conclusões apresentadas por (RIOS, 2005), através da análise
dos arquivos de log, constatou-se que os usuários com conhecimento em Qualidade de
Software, tiveram maior sucesso nas conversas com o chatterbot, porque tentavam
extrair informações sem uma conversa, entrando diretamente com o tópico. Mas,
usuários sem conhecimento em Qualidade de Software, tendiam ao diálogo informal.
Neste caso, foi detectada a carência do chatterbot em relação à parte de linguagem
natural.
Apesar de várias categorias terem sido adicionadas, após a análise de inúmeros
arquivos de log, a base de conhecimento precisa de uma carga maior de categorias de
linguagem natural. Além disto, analisando a porção de conhecimento específico,
percebe-se que forma um conjunto de tópicos e conceitos tornando o chatterbot muito
parecido a um dicionário. Este arquivo possui cerca de 140 conceitos. A idéia é diminuir
o número de tópicos e trabalhar melhor cada tópico, aumentando a interação com o
usuário nas conversas sobre Qualidade de Software.
5.2 O PROCESSO DE TARGETING
Dando continuidade ao processo de targeting, foram recolhidos diversos logs de
conversas com o chatterbot. As dificuldades de comunicação foram detectadas logo no
início das conversas, tornando necessária a criação de categorias relacionadas a este
contexto. A seguir serão mostrados alguns exemplos de logs recolhidos e as respectivas
categorias criadas para corrigir as falhas de comunicação com o agente.
64
[Olá][ Oi Desconhecido! ] [desconhecido?][ Você poderia fazer a sua pergunta de uma outra forma? ] [meu nome é Leticia][ Olá Leticia. ] [muito prazer][ Não sei nada sobre "muito prazer". Ou, não entendi sua pergunta. ] [eu também sou professor][Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase. ] [eu dou aula também][ Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase. ] [sobre o que podemos falar?][ Infelizmente não pude entender sua última frase. ]
Quadro 19 – Arquivo de log analisado <category> <pattern>DESCONHECIDO</pattern> <template>É porque ainda não sei seu nome!</template> </category> <category> <pattern>MUITO PRAZER</pattern> <template>obrigado!</template> </category> <category> <pattern>EU TAMBEM SOU PROFESSOR</pattern> <template>Interessante, onde você leciona?</template> </category> <category> <pattern>EU DOU AULA *</pattern> <template><srai>EU TAMBEM SOU PROFESSOR</srai></template> </category> <category> <pattern>SOBRE O QUE * FALAR</pattern> <template><srai>ASSUNTOSCONHECIDOS</srai></template> </category>
Quadro 20 – Exemplos de categorias criadas após o processo de targeting
[tudo bom?][ Você poderia fazer a sua pergunta de uma outra forma?] [como vai?][ Não sei nada sobre "como vai". Ou, não entendi sua pergunta.] [sobre o que vamos conversar?][ Infelizmente não pude entender sua última frase. ] [o que voce sugere?][ Não sei nada sobre "o que voce sugere". Ou, não entendi sua pergunta. ] [qual seu nome?][ Você poderia fazer a sua pergunta de uma outra forma? ] [qual é o seu nome?][ Não sei nada sobre "qual é o seu nome". Ou, não entendi sua pergunta.] [qual o seu nome?][ Me chamo TheBot. ] [que nome é esse?][ Você poderia fazer a sua pergunta de uma outra forma? ] [de onde vem o seu nome?][ Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase. ]
Quadro 21 – Arquivo de log analisado
65 <category> <pattern>TUDO BOM</pattern> <template><srai>TUDOBEM</srai></template> </category>
<category> <pattern>COMO VAI</pattern> <template><srai>COMO VOCE ESTA</srai></template> </category>
<category> <pattern>SOBRE O QUE * CONVERSAR</pattern> <template><srai>ASSUNTOSCONHECIDOS</srai></template> </category>
<category> <pattern>O QUE VOCE SUGERE</pattern> <template>Eu sugiro que falemos sobre Qualidade de Software</template> </category>
<category> <pattern>QUAL SEU NOME</pattern> <template><srai>QUAL O SEU NOME</srai></template> </category>
<category> <pattern>QUAL E O SEU NOME</pattern> <template><srai>QUAL O SEU NOME</srai></template> </category>
<category> <pattern>QUE NOME E ESSE</pattern> <template>Vem da minha atividade!<srai>UM CHAT BOT</srai></template> </category>
<category> <pattern>DE ONDE VEM SEU NOME</pattern> <template>Vem da minha atividade!<srai>UM CHAT BOT</srai></template> </category>
Quadro 22 – Exemplos de categorias criadas após o processo de targeting
[eu me chamo Leticia][ Infelizmente não pude entender sua última frase. ] [me chamo Leticia][ Você tem um belo nome Leticia. ] [prazer][ Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase.] [quem é voce?][ Sou um tipo de professor on-line de Qualidade de Software.] [como voce está hoje?][ Não sei nada sobre "como voce está hoje". Ou, não entendi sua pergunta. ] [de onde voce é?][ Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase. ] [o que voce faz?][ Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase. ] [onde vc trabalha?][ Não sei nada sobre "onde voce trabalha". Ou, não entendi sua pergunta. ]
Quadro 23 – Arquivo de log analisado
66
<category> <pattern>EU ME CHAMO *</pattern> <template><srai>MEU NOME E <star/></srai></template> </category> <category> <pattern>PRAZER</pattern> <template>Obrigado</template> </category> <category> <pattern>COMO VOCE ESTA HOJE</pattern> <template><srai>COMO VOCE ESTA</srai></template> </category> <category> <pattern>DE ONDE VOCE E</pattern> <template>Sou de Santa Catarina, cidade de São José</template> </category> <category> <pattern>O QUE VOCE FAZ</pattern> <template><srai>MEUSCONHECIMENTOS</srai></template> </category> <category> <pattern>ONDE VOCE TRABALHA</pattern> <template>Na Univali em São José</template> </category>
Quadro 24 – Exemplos de categorias criadas após o processo de targeting [vamos falar sobre que assunto?][ Não sei nada sobre "que assunto". Ou, não entendi sua pergunta. ] [meu deus][ Não sei nada sobre "meu deus". Ou, não entendi sua pergunta. ] [e a sua mãe vai bem?][ Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase. ] [como vai a família?][ Não sei nada sobre "como vai a família". Ou, não entendi sua pergunta. ] [voce acredita em Deus][ Você poderia fazer a sua pergunta de uma outra forma? ] [quem sao seus pais?][ Estou em constante aprimoramento, mas infelizmente não compreendi sua última frase. ] [voce tem amigos?][ Infelizmente não pude entender sua última frase. ]
Quadro 25 – Arquivo de log analisado
67
<category> <pattern>VAMOS FALAR SOBRE QUE ASSUNTO</pattern> <template><srai>ASSUNTOSCONHECIDOS</srai></template> </category> <category> <pattern>MEU DEUS</pattern> <template><srai>CANSEI</srai></template> </category> <category> <pattern>_ MAE VAI BEM</pattern> <template>Vai muito bem obrigado!</template> </category> <category> <pattern>COMO VAI A FAMILIA</pattern> <template>Vai muito bem obrigado!</template> </category> <category> <pattern>VOCE ACREDITA EM DEUS</pattern> <template>Sim, eu acredito em Deus!</template> </category> <category> <pattern>_ PAIS</pattern> <template><srai>PAIS</srai></template> </category> <category> <pattern>_ AMIGOS</pattern> <template><srai>AMIGOS</srai></template> </category>
Quadro 26 – Exemplos de categorias criadas após o processo de targeting
Como mencionado na seção 5.1 deste capítulo, a base de conhecimento
específico possui cerca de 140 conceitos. Neste trabalho optou-se por trabalhar um
número menor de tópicos, buscando maior interação com o usuário. Inicialmente os
tópicos escolhidos foram: Qualidade de software em si, Processo de Software,
Requisitos de Qualidade, Garantia de Qualidade e Teste de Software. Procura-se ligar
um assunto a outro de forma a conduzir o usuário leigo em Qualidade de Software. Os
tópicos abordados em um conceito devem também fazer parte da base de conhecimento.
Além disto, os conceitos devem ser abordados de forma que o chatterbot pareça um
professor e não apenas um dicionário. Para isto, é preciso detalhar ao máximo cada
tópico.
68
A seguir será apresentado um exemplo de modificação na base, que reflete a
idéia abordada neste parágrafo. Se o usuário demonstra interesse em saber sobre
qualidade, a seguinte categoria é processada:
<category> <pattern>QUALIDADE</pattern> <template>Qualidade de Software?</template> </category>
Quadro 27 – Exemplo de categoria - Qualidade
Neste caso, o chatterbot tenta especificar mais o assunto, indagando se o
interesse é em Qualidade de Software. Se a resposta for “Sim”, a categoria abaixo
analisa o contexto, e responde de acordo com o que foi solicitado:
<category> <pattern>SIM</pattern> <that>QUALIDADE DE SOFTWARE</that> <template> A Qualidade de Software é uma área de conhecimento da Engenharia de Software que objetiva garantir a qualidade do software através da definição e normatização de processos de desenvolvimento. Apesar dos modelos aplicados na garantia da qualidade de software atuarem principalmente no processo, o principal objetivo é garantir um produto final que satisfaça às espectativas do cliente, dentro daquilo que foi acordado inicialmente. No desenvolvimento de software, a qualidade do produto está diretamente relacionada à qualidade do processo de desenvolvimento, desta forma, é comum que a busca por um software de maior qualidade passe necessariamente por uma melhoria no processo de desenvolvimento. </template> </category>
Quadro 28 – Exemplo de categoria – Qualidade de Software
A resposta sendo negativa, o chatterbot apresenta o conceito geral de qualidade,
como mostra o Quadro 29.
<category> <pattern>NAO</pattern> <that>QUALIDADE DE SOFTWARE</that> <template> Neste caso podemos falar de qualidade em geral: Você pode entender a qualidade como sendo a totalidade de características de uma entidade que lhe confere a capacidade de satisfazer as necessidades explícitas e implícitas. Esta definição é usada pela norma NBR ISO 8402. Para ajudar no entendimento, uma entidade pode ser uma atividade ou um processo, um produto, uma organização ou uma combinação entre eles. </template> </category>
Quadro 29– Exemplo de categoria – Qualidade - Conceito
A Base inicial possuía 504 categorias, sendo 364 de linguagem natural e 140 de
conhecimento específico. Por meio do processo de targeting, foram analisados 77
69
arquivos de log e acrescentadas 282 novas categorias, sendo 270 de linguagem natural e
12 de conhecimento específico.
O processo de targeting não possui necessariamente um fim, sendo que, o
conhecimento é infinito. Haverá sempre a possibilidade de aprimorar e acrescentar
conhecimento à base. Seguindo o modelo descrito neste capítulo, o objetivo é aumentar
gradativamente o número de categorias, tanto de linguagem natural quanto de
conhecimento específico, para que o agente possa se comunicar cada vez melhor e
servir adequadamente ao seu objetivo maior que é o auxílio no ensino de Qualidade de
Software, sendo incorporado à Plataforma Colaborativa de Engenharia de Software, o
Projeto PLACES.
5.3 CONSIDERAÇÕES DO CAPÍTULO
Este capítulo mostrou como estava estruturada a base de conhecimento inicial, a
análise dos arquivos de log, as modificações feitas e, exemplos de categorias criadas a
partir desta análise. A ferramenta acelerou bastante o processo de inserção de
categorias, por meio da automatização do cadastro e importação. No capítulo seguinte
serão apresentadas as conclusões do trabalho através da análise de cada objetivo
específico. Além disto, serão citadas as dificuldades encontradas durante o
desenvolvimento do trabalho e, sugestões de trabalhos futuros.
70
6 CONCLUSÃO
A inteligência artificial é um dos temas mais polêmicos e misteriosos da
atualidade. A idéia de construir máquinas ou sistemas capazes de simular o
comportamento humano é um desafio que instiga muitas pessoas no mundo todo,
principalmente estudantes e profissionais da Ciência da Computação. Os mecanismos e
técnicas utilizados em inteligência artifical, interessam realmente aos estudantes e
profissionais da área, sendo que, às demais pessoas, interessam os resultados.
Este trabalho apresentou um breve estudo sobre agentes de conversação, buscou
aprofundamento a respeito do modelo ALICE de desenvolvimento de agentes de
conversação, e sobre a linguagem AIML, modelo escolhido para a estruturação da base
de conhecimento. O estudo sobre a linguagem AIML abordou os vários tipos de
categorias e sua usabilidade. Tornou-se necessária também, a descrição do agente de
conversação desenvolvido por (RIOS, 2005), para que pudesse ser feito o planejamento
de melhorias.
A partir da análise de duas ferramentas de edição de categorias AIML, foi
elaborada a proposta de uma nova ferramenta, capaz de auxiliar no processo de
manutenção da base de conhecimento. O desafio de construir uma ferramenta, que
possibilite um leigo agregar conhecimento a um agente de conversação, foi a proposta
desse trabalho. Existem inúmeras ferramentas para edição e cadastro de categorias
AIML, mas nenhuma voltada para o público leigo. Todas as ferramentas encontradas,
necessitam de conhecimentos na linguagem AIML para serem utilizadas.
A ferramenta implementada serviu para o processo de melhoria da base de
conhecimento, e servirá também para manutenções futuras. Da mesma forma que o
cérebro humano tem a capacidade infinita de acumular conhecimento, assim é o cérebro
do chatterbot, ou seja, sua base de conhecimento. O processo de targeting, feito por
meio da análise de logs de conversação e posterior inserção de novas categorias na base,
71
é infinito. A cada categoria criada, o agente aumenta a possibilidade de reconhecimento
de sentenças.
A estrutura da base de conhecimento foi mantida, mas foram adicionadas
diversas categorias de linguagem natural após a análise dos primeiros logs de
conversação. O agente passou a reconhecer mais tipos de sentenças de saudação e
introdução de conversa. Desta forma, os assuntos conhecidos pelo chatterbot foram
apresentados mais facilmente ao usuário. No entanto, a parte que precisa de maior
atenção ainda, é a base de conhecimento específico. Neste trabalho, o número de tópicos
foi reduzido, para que fosse possível trabalhar cada tópico de forma mais detalhada e
com uma linguagem adequada a um agente de conversação.
O trabalho realizado abre caminho para um constante aprimoramento da base de
conhecimento do chatterbot, utilizando como principal aliada, a ferramenta de edição de
categorias. Futuramente o agente poderá servir como um auxílio efetivo na
aprendizagem de Qualidade de Software e também de outras disciplinas.
6.1 TRABALHOS FUTUROS
A seguir estão listadas algumas sugestões de trabalhos futuros:
• Integração do chatterbot com o projeto Places4.
• Um agente que consiga aprender através das conversas realizadas com pessoas
previamente identificadas.
• Um chatterbot que tenha a capacidade de interpretar a pergunta, assim, fazendo
com que ele possa responder perguntas por similaridade.
• Inserção de novas funcionalidades na ferramenta de edição de categorias, como
apagar e editar categorias já cadastradas.
4 O projeto Places é desenvolvido pela UNIVALI, e tem como objetivo atender o processo colaborativo das micro e pequenas empresas.
72
7 REFERÊNCIAS
AIMLPAD. 2005. Disponível em: <209.168.21.76/AIMLpad>. Acesso em:
Novembro/2005.
ALICE. The A. L. I. C. E. Artificial Intelligence Foundation. 2005. Disponível em:
http://www.alicebot.org. Acesso em: Setembro/2005.
COCA-COLA 2004. Coca-Cola – Contact Us. Disponível em: http://www2.coca-
cola.com/contactus/. Acesso em: Setembro/2005.
EDNA, L. S.; ESTERA, M. M. Metodologia da Pesquisa e Elaboração de
Dissertação. 3.ed. rev. e atua. Florianópolis: Ed. UFSC, 2001.
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo: Atlas, 1991.
JUNG, Carlos Fernando. Metodologia Científica: ênfase em pesquisa tecnológica.
4.ed. rev. e ampl. 2004. Disponível em: http://www.jung.pro.br/. Acesso em:
Setembro/2005.
LAVEN, Simon. The Simon Laven Page. 2001. Disponível em:
http://www.simonlaven.com. Acesso em: Novembro/2005
LEONHARDT et al. ELEKTRA: Um Chatterbot para Uso em Ambiente Educacional.
2003. Disponível em: http://www.cinted.ufrgs.br/renote/set2003/artigos/elektra-
chatterbot.pdf. Acesso em: Setembro/2005.
LESNICK, L. L.; MOORE, R. E. Creating Cool Intelligent Agents For The Net.
Foster City: IDG Books Worldwide, Inc.,1996.
MICROSOFT. Microsoft Office System. 2003. Disponível em
http://www.microsoft.com/brasil/office/default.asp. Acesso em: Setembro/2005.
MORETTO, Luis Machado. PLACES: Uma Plataforma Colaborativa para
Engenharia de Software via web. Trabalho de Conclusão de Curso. São José:
UNIVALI, 2005.
73
PANDORABOTS. 2003. Disponível em: www.pandorabots.com. Acesso em:
Novembro/2005.
PERRONI. Hélio. ProgramJ: Flexible Alicebot. 2005. Disponível em:
http://bitoflife.cjb.net/programj.html. Acesso em 23 fevereiro 2005.
RINGATE, Thomas. AIML Primer. 2002. Disponível em:
http://www.alicebot.org/documentation/aiml-primer.html. Acesso em: Outubro/2005.
RIOS, Diego. Criação de um Chatterbot para auxiliar na educação à distância.
Trabalho de Conclusão de Curso. São José: UNIVALI, 2005.
TEIXEIRA, Sérgio; RAMIRO, Thiago Bortolo; OLIVEIRA, Elias de; MENEZES,
Crediné S. Chatterbots em ambientes de aprendizagem – uma proposta para a
construção de bases de conhecimento. 2005. Disponível em:
http://www.unisinos.br/_diversos/congresso/sbc2005/_dados/anais/pdf/arq0261.pdf. Acesso
em: Outubro/2005.
TEIXEIRA, Sérgio; MENEZES, Crediné S. Facilitando o uso de Ambientes Virtuais
através de Agentes de Conversação. 2003. Disponível em:
http://www.multicast.com.br/sergio/amcorabot.pdf. Acesso em: Outubro/2005.
WALLACE, Richard S. AIML Overview. 2001. Disponível em:
http://www.pandorabots.com/pandora/pics/wallaceaimltutorial.html. Acesso em:
Outubro/2005.