Automatic Generation of AIML from Text Acquisition (AGATA)

Sistema de geração de base de conhecimento em AIML a partir da análise e tratamento de corpus linguístico

<category>
<pattern>MÍDIA ELETRÔNICA</pattern>
<template>
<random>
<li>Podemos considerar como mídias eletrônicas os meios de comunicação que precisam de recursos eletrônicos para transmitir seu conteúdo até o usuário.</li>
<li>As mídias eletrônicas são compostas por equipamentos de comunicação unilateral, onde o usuário é apenas receptor de uma determinada informação, como rádio, cinema, TV analógica, mídias graváveis.</li>
</random>
</template>
</category>

Dentro da tag pattern está a palavra-chave inserida pelo usuário, e dentro da tag template há uma função de resposta aleatória (tag random) e tags li para cada uma das frases que foram selecionadas pelo usuário, após o sistema tê-las localizado e separado.

O sistema AGATA utiliza as tecnologias Python, Django, PHP, e funciona da seguinte forma:

1. O usuário seleciona um arquivo no seu computador e faz o upload, enviando-o para o sistema. Este arquivo pode ser um livro, uma apostila, um artigo, uma revista, etc., desde que possua frases que explicam um conceito e esteja no formato txt. Neste momento, sugere-se que sejam retiradas as figuras, tabelas, quadros e gráficos do arquivo, realizando uma “limpeza” no mesmo, para que permaneça somente o conteúdo textual.
2. O usuário insere de uma a três palavras-chave para busca e clica em enviar.
3. Em uma nova tela, as frases que contém cada uma dessas palavras-chaves são exibidas, ordenadas por termo buscado e ordem em que aparecem no corpus.

4. O usuário seleciona as frases que deseja utilizar, clicando em caixas de seleção. Neste momento, o especialista de domínio, a pessoa que possui o conhecimento acerca do corpus em questão, utiliza sua expertise para indicar as frases mais significativas, e que sejam condizentes com uma “resposta” ao usuário em uma conversa com o chatterbot.

5. Em uma nova tela, as frases selecionadas pelo usuário agora aparecem cada uma delas com um editor, para que possam ser realizados ajustes no texto, alterações, formatações, e inserção de recursos multimídia (vídeo, imagens, hiperlinks).

6. O usuário pode adicionar outras palavras-chaves relacionadas, que julga que sejam pertinentes que sejam direcionadas a essas respostas. Por exemplo, junto à lista de frases referentes à palavra-chave “áudio”, o especialista pode acrescentar o termo “som”, se as frases estiverem relacionadas essa temática. Dessa forma, quando o termo “som” for “pronunciado” ou estiver contido no meio de uma frase emitida pelo estudante, uma das frases referentes ao termo “áudio” poderá ser enviada como resposta.

7. Após o usuário realizar os ajustes necessários e clicar em enviar, a nova tela contém o arquivo AIML contendo todas as tags, permitindo que o usuário tanto visualize essa saída ou faça o download do arquivo. Abaixo uma captura de tela ilustra um exemplo de saída do sistema.

Portanto, o sistema AGATA têm um grande potencial de auxiliar professores e pesquisadores no desenvolvimento da base de conhecimento de chatterbots, de forma simples e rápida. Dessa forma, é possível dar ao chatterbot um alto nível de “conhecimento”, possuindo por exemplo todo o conteúdo de um livro de história, biologia, entre outros. Isso aumenta também as chances de que possua respostas válidas e úteis ao estudante, e consequentemente melhore e aumente a interação com o usuário, que poderá “dialogar com o conteúdo”.

Cuidados na utilização do sistema:

• É necessário priorizar palavras para escolha das frases. Por exemplo, em uma mesma frase aparece o termo “aprendizagem” e o termo “cinema”, ou seja, a frase que contém esses termos é entregue como saída na busca por cada uma dessas palavras-chave. Portanto, deve-se analisar o contexto da frase para decidir a qual palavra-chave ela melhor se encaixa, para que não seja indexada pelas duas.

• Atenção para não indexar palavras (ou termos) que podem ser utilizadas em outro contexto, como por exemplo “memória”. O aluno pode dizer “estou sem memória”. Portanto, ao utilizar memória como “memória de trabalho” deve-se optar pela palavra-chave “memória de trabalho”.
  
  * Tais como Program-O, Program-D, Program-AB.