Sequence to Sequence LSTM Modeli ile Telegram Bot Uygulaması

Ali Hakan ISIK; Ayşenur YAĞCI

Makale detayları

Sequence to Sequence LSTM Modeli ile Telegram Bot Uygulaması

Yazarlar:

Ali Hakan ISIK | Ayşenur YAĞCI

Yayıncı:

Aydın KARAPINAR

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Gazi Journal of Engineering Sciences 2020 Vol.6 Issue 1, pp.32-39

Belge Tipi:

Makale

Yayın Tarihi:

4/2020

Belge Dili:

Türkçe

Document ID (Org No.):

2000425850

eISSN:

2149-9373

Özet:

 


Chatbot is a software that chat with the user by audio or textual methods. Advanced chat bots are able to provide appropriate answers related issues. Using artificial intelligence methods in chat bots increases efficiency. In this context, telegram bot application was developed with LSTM (Long Short Term Memory) and seq2seq model. The use of LSTM in the study enabled the return to speech history to predict the next speech action. Time saving was achieved by using chatterbot dataset from kaggle.com in the study. Telegram integration is provided via pythonanywhere for user interaction. The loss rate and other performance parameters during the training of the study were visualized with TensorBoard. In the study, the 50-step training was completed in 13 seconds. The loss rate in the study decreased at each step and decreased to 0.2772 at the end of 50 steps and 79 percent accuracy rate was obtained. The study is designed modularly and open to development. By continuing the education process of the modular study, it will be possible to teach different linguistic expressions. Open source and free software were used in the study. The presented study has brought together the features of the outstanding studies in the literature using state of art technologies.

.

 

Sohbet botu (Chatbot), işitsel veya metinsel yöntemlerle kullanıcı ile sohbet eden bir yazılımdır. Gelişmiş sohbet botları, ilgili konuya uygun cevaplar verebilmektedir. Sohbet botlarında yapay zeka yöntemlerinin kullanılması etkinliğini artırmaktadır. Bu kapsamda, çalışmada LSTM (Uzun Kısa Süreli Bellek) ve seq2seq modeli ile telegram bot uygulaması geliştirilmiştir. Çalışmada LSTM kullanılması bir sonraki konuşma eylemini tahmin etmek için konuşma geçmişine geri dönülebilmesini sağlamıştır. Çalışmada kaggle.com’dan alınan chatterbot veri kümesi kullanılarak zaman tasarrufu sağlanmıştır. Kullanıcı etkileşimi için pythonanywhere üzerinden telegram ile entegrasyon yapılmıştır. Çalışmanın eğitimi sırasındaki kayıp oranı ve diğer performans parametreleri TensorBoard ile görselleştirilmiştir. Çalışmada 50 adımlık eğitim, 13 saniyede tamamlanmıştır. Çalışmadaki kayıp oranı her adımda azalarak 50 adım sonunda 0.2772’ye düşmüş ve yüzde 79 doğruluk oranı elde edilmiştir. Çalışma, modüler ve geliştirmeye açık bir şekilde tasarlanmıştır. Modüler yapıdaki çalışmanın eğitim süreci devam edilmesi sağlanarak farklı dilsel ifadelerin öğretilmesi sağlanabilecektir. Çalışmada, açık kaynak kodlu ve ücretsiz yazılımlar kullanılmıştır. Sunulan çalışma, güncel teknolojilerin kullanıldığı literatürde öne çıkan çalışmaların özelliklerinin biraraya getirilmesini sağlamıştır.

Makale detayları

Sequence to Sequence LSTM Modeli ile Telegram Bot Uygulaması

Yazarlar: Ali Hakan ISIK | Ayşenur YAĞCI

Yayıncı: Aydın KARAPINAR

Ana Başlıklar: Veri işleme & bilgisayar bilimi

Dergi: Gazi Journal of Engineering Sciences 2020 Vol.6 Issue 1, pp.32-39

Belge Tipi: Makale

Yayın Tarihi: 4/2020

Belge Dili: Türkçe

Document ID (Org No.): 2000425850

eISSN: 2149-9373

Sayı

Yazarlar:

Ali Hakan ISIK | Ayşenur YAĞCI

Yayıncı:

Aydın KARAPINAR

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Gazi Journal of Engineering Sciences 2020 Vol.6 Issue 1, pp.32-39

Belge Tipi:

Makale

Yayın Tarihi:

4/2020

Belge Dili:

Türkçe

Document ID (Org No.):

2000425850

eISSN:

2149-9373