(3.238.130.97) 您好!臺灣時間:2021/05/10 13:20
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:張雅雯
研究生(外文):Chang, Yawen
論文名稱:JT-Bot:以AIML為基礎之Java家教機器人
論文名稱(外文):JT-Bot: An AIML-based Java Tutor Bot
指導教授:周信宏周信宏引用關係孫惠民孫惠民引用關係
指導教授(外文):Chou, HsinhungSun, Hueyming
口試委員:林宣華謝孫源
口試委員(外文):Lin, HsuanhuaHsieh, Sunyuan
口試日期:2011.07.26
學位類別:碩士
校院名稱:長榮大學
系所名稱:資訊管理學系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:74
中文關鍵詞:問答機器人人工智能標記語言即時通訊
外文關鍵詞:Answering botAIMLWindows Live Messenger
相關次數:
  • 被引用被引用:1
  • 點閱點閱:925
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:44
  • 收藏至我的研究室書目清單書目收藏:2
近年來Windows Live Messenger相當流行,市面上因而出現許多建構在Windows Live Messenger上的問答機器人,然而其功能大多為資訊查詢和商品宣傳等,鮮少有應用在教學上的機器人。本論文介紹我們所開發的問答機器人,JT-Bot。JT-Bot也是建構在Windows Live Messenger上的問答機器人,主要是模擬扮演Java課程的助教角色。JT-Bot擁有的功能包含:提供基本對話、分享笑話、下載投影片和提供SCJP模擬測驗等功能。
為了提高JT-Bot的問答準確率及知識豐富性,在語意的解析上,我們混合採用兩種技術:一種是常見的「向量餘弦相似度」比對,另一種是基於本體論的「人工智能標記語言AIML」搜尋。在基本對話的處理,我們將使用者的問句與基本語料庫中的所有問句計算向量餘弦相似度,選擇最高相似度者,回應其相對應答句。至於Java程式語言相關知識的處理,我們則以AIML的樹狀結構進行分類表示之。當使用者問及Java相關知識時,我們則使用其問句中的關鍵字,在我們事先建立的AIML樹狀結構中進行搜尋,回應搜尋分類結果所對應的答句。
我們的系統JT-Bot讓課外輔助教學無時無刻進行著,並且具備玩樂性質,藉以提高學生學習興趣。也可節省教師或助教在教學上所花費的力氣和時間,提升教學成效。根據我們的實驗,目前JT-Bot系統的問答準確率約七成,尚有改進空間。除此之外,使其能自動學習知識也是未來進一步發展的方向。

Due to the popularity of Windows Live Messenger, many answering bots based on Windows Live Messenger were developed for different purposes. However, most answering bots are developed for product promotion or act as information providers. Few of them are used for e-learning. In this thesis, we introduce the development of our answering bot : JT-Bot. JT-Bot, a bot acts as the role of teaching assistant for Java course, is also developed based on Windows Live Messenger. It provides various functions, such as basic conversations, sharing jokes, slides download, simulated SCJP test, and etc.
To improve the answering accuracy and enriching the knowledge base of JT-Bot, we adopt two techniques to analyze the semantics of the conversation, the vector cosine similarity comparison and the ontology based AIML searching. For the basic conversation, we compute the vector cosine similarity for each question sentence in our conversation database to the input question sentence, and then the answer with respect to the question with maximum similarity is responded. Besides, we use the tree structure of AIML to represent the knowledge of Java language. When the input question is about Java language, the keywords of this question are used to search the desired classification according to the AIML-based tree structure, and then the build-in answer of the class is responded.
JT-Bot has two major advantages: JT-Bot makes e-learing out of class anytime and anywhere, with playfulness, which would enhance the learning motivation of the students. Moreover, JT-Bot can help teachers and TA reducing their teaching load and increasing the teaching performance. Based on our experiments, JT-Bot’s answering accuracy is about 70%. Our future work is to increase the answering accuracy of JT-Bot and to make it having the ability of auto-learning.

目錄
頁次
致謝 i
中文摘要 ii
英文摘要 iv
表目錄 viii
圖目錄 ix
第一章 緒論 1
1.1數位學習發展簡介 1
1.2研究動機與目的 2
1.3 論文架構 3
第二章 文獻探討 4
2.1 MSN即時通訊軟體及MSN通訊 4
2.1.1 MSNP伺服器 5
2.1.2 MSN登錄上線 6
2.1.2.1 MSN協定 6
2.1.2.2 MSNP連線命令參數 6
2.1.2.3 MSNP連線命令 7
2.1.2.4 MSNP連線方式 7
2.1.3 JMSN 20
2.2語意分析 21
2.2.1語言結構 21
2.2.2斷詞 21
2.2.3語意判斷 23
2.3 AIML 25
2.3.1 AIML的知識組織 26
2.3.2 AIML的推理機制(匹配路徑結構) 28
2.3.3 AIML的標籤元素功能 29
2.3.3.1 符號簡化(Symbolic reductions) 38
2.3.3.2分而治之(Divide and conquer) 39
2.3.3.3同義(Synonyms) 40
2.3.3.4關鍵字(Keywords) 41
2.3.3.5條件(Conditionals) 42
2.4 本體論(Ontology) 44
2.4.1本體論元素 45
2.4.2領域本體(Domain ontology) 46
第三章 研究方法與系統架構 47
3.1 開發平台和工具 47
3.2 JT-Bot系統架構與特性 48
3.3 JT-Bot知識架構 51
3.3.1問句分類 51
3.3.2問句分類關鍵字 52
3.3.3對話流程 53
3.3.4追問 55
第四章 實驗數據 57
第五章 結論與未來展望 60
5.1 結論 60
5.2 未來展望 60
參考文獻 61
附錄A、實驗資料 67
表目錄
表 1、MSNP命令範例 6
表 2、MSN 連線登錄過程 10
表 3、MSN登錄發送及接收指令整理 18
表 4、實際問答 26
表 5、處理得到表4結果的AIML文件 26
表 6、Topic範例 30
表 7、Topic範例一 31
表 8、Topic範例二 32
表 9、Input範例 33
表 10、Bot範例 33
表 11、Srai、Sr範例 34
表 12、Random範例 36
表 13、Gossip範例 36
表 14、AIML符號功能表 37
表 15、「符號簡化」的問答摘錄 39
表 16、「分而治之」的問答摘錄 39
表 17、「同義」的問答摘錄 41
表 18、「關鍵字」的問答摘錄 42
表 19、「條件」的問答摘錄 43
表 20、開發平台與工具 47
表 21、問答摘錄 55
表 22、追問對話摘錄 56
表 23、實驗摘錄 58
表 24、實驗問答摘錄 67
圖目錄
圖 1、iMOO機器人威秀寶寶 1
圖 2、Windows Live Messenger 2011的登錄畫面 4
圖 3、Windows Live Messenger與MSN Server連線步驟 5
圖 4、MSN與DS連線 7
圖 5、MSN與NS連線(part1) 8
圖 6、MSN與NS連線(part2) 9
圖 7、作者部落格的示意圖-JMSN在Windows上運行 20
圖 8、斷詞流程 22
圖 9、cos向量計算公式 24
圖 10、Graphmaster運作模式 27
圖 11、A.L.I.C.E.知識組織範例 27
圖 12、條件(Conditionals)流程示意圖 43
圖 13、本體論架構圖 45
圖 14、使用者主介面 48
圖 15、機器人上線 48
圖 16、新增題庫 49
圖 17、SCJP測驗 49
圖 18、JT-Bot架構圖 50
圖 19、JT-Bot連線架構 50
圖 20、JT-Bot- AIML的本體知識架構 51
圖 21、JT-Bot對話流程 54
圖 22、JavaWorld論壇新手區 57
圖 23、Programmer Club程式設計俱樂部 57
[1]王聖中(民83年6月),「語法式中文斷詞之研究」,私立淡江大學資訊工程研究所碩士論文。
[2]吳美美(民93年),「數位學習現況與未來發展」,圖書館學與資訊科學,頁 92-106。
[3]李鵬(民98年5月),「中文分詞在聊天機器人中的應用研究」,中南大學計算機應用技術研究所碩士論文。
[4]周錫令(民95年),「自然語言和電腦編程語言的比較」,暨大電子雜誌,科技,第34期。
[5]陳哲、文敦傳(民95年),「用自然語言處理改進問答系統的研究和實現」,人工智能及識別技術,第32卷第20期。
[6]曾元顯、林瑜一(民87年12月),「模糊搜尋、相關詞提示與相關詞回饋在 OPAC 系統中的成效評估」,中國圖書館學會會報,第 61 期,頁 103-125。
[7]曾元顯(民91年6月),「文件主題自動分類成效因素探討」,中國圖書館學會會報,第 68 期, 62-83頁。
[8]潘紫菁(民94年7月),「應用本體論強化技術之知識管理」,國立成功大學工程科學研究所碩士論文。
[9]Bunge, M. (1977), “Ontology I: The Furniture of the World,” Treatise on Basic Philosophy, Vol. 3.
[10]Benjamin, P. C., Menzel, C. P., Mayer, R. J., Fillion, F., Futrell, M.T., and deWitte, P. S. et al. (1994), “IDEF5 Method Report,” Information Integration for Concurrent Engineering Project (F33615-90-C-0012).
[11]Bianchi Sganderla, R., Nice Ferrari, D., Geyer, and F. R. Geyer C. (2003), “BonoBOT: Um Chatterbot para Interaçao com Usuários em um Sistema Tutor Inteligente,” XIV SimpósioBrasileiro de Informática na Educação - SBIE, pp. 463-472.
[12]Chan, Marjorie K. M. (2002), “Concordancers and concordances: Tools for Chinese language teaching and research,” Journal of the Chinese Language Teachers Association, Vol. 37, No. 2, pp. 1-58.
[13]De Pietro, O., Carmelo, P., De Rose, M., and Frontera, G. (2006), “An Intelligent Agent and an Adaptive Search Engine to support tutoring activities on-line,” Journal of E-learning and Knowledge Society, Vol. 1, No. 1, pp. 97-110.
[14]Fensel, D., Harmelen, F. V., Horrocks, I., McGuinness, D. L., and Patel-Schneider, P. F. (2001), “OIL: An Ontology Infrastructure for the Semantic Web,” IEEE Intelligent System, Vol.16, No. 2, pp.38-45.
[15]Green, B., Wolf, A., Chomsky, C., and Laughery, K. (1961), “BASEBALL: AN AUTOMATIC QUESTION-ANSWERER,” IRE-AIEE-ACM computer conference, Vol. 19, pp. 219-224.
[16]Gruber, T. R. (1993), “A translation Approach to portable
ontology specifications,” Knowledge Acquisition, Vol. 5, pp. 199-220.
[17]Han, E. H., Karypis, G., and Kumar, V. (2001), “Text categorization using weight adjusted k-Nearest Neighbor classification,” Pacific-Asia Conference on Knowledge Discovery and Data Mining. pp. 53-65.
[18]Hendrix, G. G., Sacerdoti, E. D., Sagalowicz, D., and Slocumd, J. (1978), “Eveloping a natural language interface to complex data,” ACM Transactions on Database Systems, Vol. 3, No. 2.
[19]Jones, K. S. (1995), “Reflections on TREC,” Information Processing and Management, Vol. 31, No. 3, pp.291-314.
[20]Khan, L., McLeod, D., and Hovy, E. (2004), “Retrieval effectiveness of an ontology-based model for information selection,” Journal of Very Large Data Bases, Vol. 13, No. 1, pp.71-85.
[21]Leonhardt, M. D., Dorneles de Castro, D., and Rockenbach Tarouco, L. M. (2003), “ELEKTRA: Inteligência Artificial na Educação a Distância de Jovens e Adultos,” Congresso de Educação a Distância Mercosul, pp. 165-170.
[22]Leonhardt, M. D., Neisse, R., and Rockenbach Tarouco, L.M. (2003), “MEARA: Um Chatterbot Temático para Uso em Ambiente Educacional,” XIV Simpósio Brasileiro de Informática na Educação - SBIE, pp. 85-92.
[23]Lu, R., and Jin, Z. (2000), “Domain Modeling Based Software Engineering,” Kluwer Academic Publishers, pp.1-347.
[24]Musen, M. A. (1992), “Dimensions of Knowledge Sharing and Reuse,"Computers and Biomedical Research, Vol. 25, No. 5, pp. 435-467.
[25]McTear, M. F. (2002), “Spoken Dialogue Technology: Enabling the Conver-sational User Interface,” ACM Computing Surveys, Vol. 34, No. 1, pp. 90-169.
[26]Mikic Fonte, F. A., Burguillo Rial, J. C., and Llamas Nistal, M. (2009), “TQ-Bot: An AIML-based Tutor and Evaluator Bot,” Journal of Universal Computer Science, Vol. 15, No. 7, pp. 980-990.
[27]Neches, R., Fikes, R. E., Finin, T., Gruber, T., Patil, R., Senator, T., and Swartout, W. R. et al. (1991), “Enabling Technology for Knowledge Sharing,” AI Magazine, pp.36-56.
[28]Osborne, J. D., Flatow, J., Holko, M., Lin, S. M., Kibbe, W. A., Zhu, L., Danila, M. I., Feng, G., and Chisholm, R. L., et al.(2008),“Annotating the human genome with Disease Ontology,” International Conference on Bioinformatics and Computational Biology.
[29]Salton, G., Wong, A., and Yang, C. S.,(1975), “A Vector Space Model for Information Retrieval,” Journal of the American Society for Information Science, Vol. 18, No. 11, pp.613-620.
[30]Yeh, C. L., and Lee, H. J. (1991), “Rule-Based Word Identification for Mandarin Chinese Sentences-A Unification Approach,”Computer Processing of Chinese and Oriental Languages, Vol. 5, No. 2, pp. 97-118.
[31]小影,「利用Lucene制作中文搜尋應用」,取自:http://www.reality.hk/articles/2005/03/16/382/
[32]火砲MSN機器人,取自:http://www.i40i58.com/i40View.asp?nid=62
[33]互動優勢有限公司,「iMOO機器人案例分享」,取自:http://blog.imoo.tw/?cat=19
[34]冬冬,「Java利用MSNP協議登入MSN」,CSDN空間星星的技術專欄,取自:http://blog.csdn.net/gtuu0123/archive/2010/02/27/5332094.aspx
[35]P1P,「MSN Protocol說明(一):組成份子」,取自:http://p1p-dev.blogspot.com/2009/07/msn-protocol.html
[36]Windows Live Messenge,取自:http://zh.wikipedia.org/wiki/Windows_Live_Messenger#.E9.80.9A.E8.A8.8A.E5.8D.94.E5.AE.9A
[37]ALICE A.I. FOUNDATION,“A.L.I.C.E. Artificial Intelligence Foundation,” from the World Wide Web: http://www.alicebot.org/aiml.html
[38]ALICE A.I. FOUNDATION, “ALICEBOT,” from the World Wide Web: http://alicebot.blogspot.com/
[39]ALICE A.I. FOUNDATION,“A.L.I.C.E. Brain Picture Gallery,” A.L.I.C.E. Artificial Intelligence Foundation, from the World Wide Web: http://www.alicebot.org/documentation/gallery/
[40]Bush, N., “Artificial Intelligence Markup Language (AIML)Version 1.0.1,” from the World Wide Web: http://www.alicebot.org/TR/2001/WD-aiml/
[41]Hwang, J., “JMSN - Open source MSN messenger clone by Java,” from the World Wide Web: http://jmsn.sourceforge.net/
[42]Hwang, J., “MSN Library Java API Document - For developers,”from the World Wide Web: http://jmsn.sourceforge.net/msnmlib/docs/index.html
[43]Home Page of The Loebner Prize in Artificial Intelligence, from the World Wide Web: http://www.loebner.net/Prizef/loebner-prize.html
[44]MSN Messenger Protocol, from the World Wide Web: http://www.hypothetic.org/docs/msn/index.php
[45]Microsoft Notification Protocol, from the World Wide Web: http://en.wikipedia.org/wiki/Microsoft_Notification_Protocol
[46]MSNP15 SSO, from the World Wide Web: http://msnpiki.msnfanatic.com/index.php/MSNP15:SSO
[47]The Chatterbox Challenge, from the World Wide Web: http://www.chatterboxchallenge.com/
[48]WordNet: A lexical database of English, from the World Wide Web: http://wordnet.princeton.edu/
[49]Wallace, R., “The Elements of AIML Style,” from the World Wide Web https://files.ifi.uzh.ch/cl/hess/classes/seminare/chatbots/style.pdf

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔