Xây dựng hệ thống chatbot hỗ trợ quản lý bán hàng nền tảng mã nguồn mở rasa,khóa luận tốt nghiệp

Nội dung bài khoá luận sẽ gồm 3 phần: Chương 1: Nen tảng lý thuyết Mục tiêu của chương này là đưa ra những lý thuyết cơ bản về trí tuệ nhân tạo,ứng dụng của trí tuệ nhân tạo, xử lý ngôn

HỌC VIỆN NGÂN HÀNGKHOA HỆ THỐNG THÔNG TIN QUẢN LÝ

KHÓA LUẬN TỐT NGHIỆP

HÀ NỘI - 2020

HỌC VIỆN NGÂN HÀNGKHOA HỆ THỐNG THÔNG TIN QUẢN LÝ

KHÓA LUẬN TỐT NGHIỆP

ĐỀ TÀI: XÂY DỰNG HỆ THỐNG CHATBOT HỖ TRỢ QUẢN LÝ BÁN

HÀNG TRÊN NỀN TẢNG MÃ NGUỒN MỞ RASA

Giáo viên hướngdẫn : TS Đinh Trọng Hiếu

Sinh viên thực hiện : Nguyễn Thị Hường

HÀ NỘI - 2020

NHẬN XÉT CỦA GIÁO VIÊN

LỜI CAM ĐOAN

Tôi xin cam đoan kết quả đạt được trong báo cáo là sản phẩm nghiên cứu, tìmhiểu của riêng tôi dưới sự hướng dẫn của TS Đinh Trọng Hiếu Các thông tin, kếtquả

trong bài khoá luận này là trung thực, có xuất sứ rõ ràng Tôi xin hoàn chịu tráchnhiệm

và chịu mọi hình thức kỷ luật theo quy định cho lời cam đoan của mình

SINH VIÊN THỰC HIỆN

Hường

Nguyễn Thị Hường

LỜI CẢM ƠN

Đầu tiên tôi xin cảm ơn tới các thầy cô trường Học viện Ngân Hàng đã tậntình giảng dạy và truyền đạt kiến thức cho tôi trong suốt 4 năm học tập tại trường.Tôi cũng xin được gửi lời cảm ơn tới các thầy cô giáo bộ môn khoa Hệ thống thôngtin quản lý đã mang lại cho tôi những kiến thức bổ ích và chuyên sâu trong quátrình học tập tại trường

Đặc biệt, tôi xin chân thành cảm ơn tới thầy giáo TS Đinh Trọng Hiếu đã tậntình giúp đỡ và trực tiếp hướng dẫn tôi trong suốt quá trình nghiên cứu và hoànthiện bài khoá luận này

Tôi cũng xin gửi lời cảm ơn tới những người thân, bạn bè đã luôn động viên,chia sẻ và giúp đỡ tôi trong suốt thời gian thực hiện bài khoá luận của mình

Tôi xin chân thành cảm ơn!

MỤC LỤC

NHẬN XÉT CỦA GIÁO VIÊN i

LỜI CAM ĐOAN ii

LỜI CẢM ƠN iii

MỤC LỤC iv

DANH MỤC HÌNH VẼ vi

DANH MỤC TỪ VIẾT TẮT viii

LỜI MỞ ĐẦU

CHƯƠNG 1: NỀN TẢNG LÝ THUYẾT 11

1.1 Tổng quan về trí tuệ nhân tạo 11

1.1.1 Khái niệm 11

1.1.2 Quá trình hình thành và phát triển 12

1.1.3 Một số ứng dụng của trí tuệ nhân tạo 13

1.2 Chatbot 13

1.2.1 Giới thiệu về chatbot 13

1.2.2 Cấu trúc các thành phần hệ thống chatbot 14

1.2.3 Nguyên tắc hoạt động của chatbot 15

1.3 Xử lý ngôn ngữ tự nhiên 18

1.3.1 Các mức phân tích trong NLP 18

1.3.2 Một số bài toán con trong xử lý ngôn ngữ 19

1.3.3 Một số ứng dụng của xử lý ngôn ngữ 19

1.4 Vai trò của Chatbot trong trải nghiệm khách hàng 20

1.5 Tóm tắt chương 1 25

CHƯƠNG 2: MỘT SỐ BÀI TOÁN THƯỜNG GẶP KHI PHÁT TRIỂN HỆ THỐNG CHATBOT 26

2.1 Bài toán xác định ý định người dùng 26

2.1.1 Thuật toán Bag-of-Words (BoW) 27

2.1.2 Thuật toán IT-IDF 29

2.1.3 Thuật toán học có giám sátMulti-Class SVM 32

2.2 Bài toán trích xuất thông tin 34

2.2.1 Thuật toán CRFs 35

2.3 Bài toán quản lý hội thoại (DM) 36

2.3.1 Mô hình word-basedDST 37

2.3.2 Mô hình Global-Locally Self-Attentive DST (GLAD) 38

2.4 Tóm tắt chương 2 39

CHƯƠNG 3: ỨNG DỤNG MÃ NGUỒN MỞ RASA XÂY DỰNG HỆ THỐNG CHATBOT HỖ TRỢ NGƯỜI DÙNG 41

3.1 Bài toán 41

3.2 Xây dựng chatbot hỗ trợ người dùng 42

3.3 Ứng dụng rasa xây dựng chatbot 44

3.3.1 Các bước xây dựng Chatbot trên nền tảng ứng dụng Rasa 44

3.3.2 Xây dựng dữ liệu cho chatbot 45

a Xây dựng ý định 47

b Xây dựng entity (slot) 48

c Xây dựng câu trả lời cho bot 49

d Xây dựng khung kịch bản 51

3.4 Kết quả thực nghiệm 51

3.5 Phân tích và đánh giá 52

KẾT LUẬN 54

TÀI LIỆU THAM KHẢO 55

DANH MỤC HÌNH VẼ

Hình 1: Các giai đoạn phát triển của AI 12

Hình 2: Cấu trúc cơ bản một hệ thống chatbot 14

Hình 3: Chatbot giao tiếp với người dùng 15

Hình 4: Quy trình xử lý của một chatbot 16

Hình 5: Quy trình xử lý hệ thống khi chưa sửdụng phần mềm chatbot 17

Hình 6: Các giai đoạn của hành trình trải nghiệm khách hàng 20

Hình 7: Các cách diễn đạt mục đích hỏi tên 26

Hình 8: Hệ thống phân lớp intent chatbot 27

Hình 9: Kết quả của mô hình Bag-of-Words khi chạy trênPython 29

Hình 10: Kết quả tính TF trên Python 30

Hình 11: Kết quả tính IDF trên Python 31

Hình 12: Kết quả tính TF-IDF trên Python 32

Hình 13: Mô hình thuật toán SVW hai chiều 33

Hình 14: Mô hình đường thẳng tối ưu trong SVM 33

Hình 15: Mô hình thuật toán SVM trong không gian 34

Hình 16: Chức năng của thành phần quản lý hội thoại 36

Hình 17: Mô hình quản lý trạng thái và quyết định action trong hội thoại 36

Hình 18: Mô hình word- based DST với mạng RNN 38

Hình 19: Mô hình Global-Locally Self-Attentive DST 39

Hình 20: Global-locally self-attentive encodermodul 39

Hình 21: Sơ đồ phát triển bài toán 42

Hình 22: Xây dựng hệ thống chatbot hỗ trợ người dùng 42

Hình 23: Các bước xử lý trong NLU 43

Hình 24: Các bước xây dựng chatbot trên rasa 44

Hình 25: Cấu hình cài đặt cho Rasa NLU 45

Hình 26: Cấu hình cài đặt cho Rasa Core 46

Hình 27: Các bước xây dựng chatbot 47

Hình 28: Xây dựng ý định người dùng 48

Hình 29: Danh sách các entity 48

Hình 30: Danh sách các slot 48

Hình 31: Các mẫu câu trả lời (template) cho bot 49

Hình 32: Mẫu câu trả lời mặc định khi bot không hiểu intent người dùng 49

Từ viết tắt Từ tiếng anh Diễn giải

AI Artificial Intelligence Trí tuệ nhân tạo

CX Customer Experience Trải nghiệm khách hàng

CRF Conditional Random Field Mô hình xác xuất trường điều kiện

ngẫu nhiên

DTS Dialogue State Tracking Theo dõi trạng thái hội thoại

DIET Dual Intent & Entity

Transformer

Biến áp kép

FSA Finite State Automata Mô hình dựa trên máy trạng thái

hữu hạnGPS General Problem Solver

GLAD Global-Locally SelfAttentive

IDF Inverse Document Frequency Tần số nghịch đảo

ML Machine Learning Học máy, máy có khả năng học tập

NLP Nature Language Processing Xử lý ngôn ngữ tự nhiên

NLG Natural Language Generation Thành phần sinh ngôn ngữ

NLU Natural Language

Understanding

Hiểu ngôn ngữ tự nhiên

SVM Support Vecto Machine Máy vecto hỗ trợ

Hình 34: Custom action xử lý slot tên sản phẩm 50Hình 35: Khung kịch bản hỏi về sản phẩm 51Hình 36: Ket quả kiểm nghiệm 52

DANH MỤC TỪ VIẾT TẮT

LỜI MỞ ĐẦU

Sự phát triển của công nghệ thông tin và trí tuệ nhân tạo (AI) trong những nămgần đây được áp dụng vào quá trình kinh doanh đem lại những thành tựu to lớntrong việc phát triển kinh tế Các ứng dụng tin học đã và đang trở thành một nhucầu cần thiết và phổ biến trong mọi lĩnh vực đời sống nói chung và công tác quản lýdoanh nghiệp nói riêng Đặc biệt với sự hỗ trợ của máy tính hầu hết các hoạt độngcủa con người như nghiên cứu khoa học, kinh doanh hay quản lý đều trở nên đơngiản

Nói đến trí tuệ nhân tạo là nói đến một trong những lĩnh vực còn mới mẻ vàđang được quan tâm rất lớn hiện nay Một trong những lĩnh vực được phát triển rấtmạnh mẽ cả trong nước và thế giới Ứng dụng trí tuệ nhân tạo đã giúp cho conngười làm việc hiệu quả, tiết kiệm thời gian, sức lực và tăng khả năng cạnh tranhthông qua một hệ thống hỗ trợ ảo giúp con người giao tiếp với máy và thực hiện cácyêu cầu của người dùng Với mong muốn tìm hiểu thêm về hệ thống hỗ trợ ảo này,tôi đã quyết định chọn đề tài “Xây dựng hệ thống Chatbot hỗ trợ quản lý bán hàng”

Nội dung bài khoá luận sẽ gồm 3 phần:

Chương 1: Nen tảng lý thuyết

Mục tiêu của chương này là đưa ra những lý thuyết cơ bản về trí tuệ nhân tạo,ứng dụng của trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên, các lý thuyết về chatbot vàvai trò của chatbot trong trải nghiệm khách hàng

Chương 2: Một số bài toán thường gặp khi xây dựng hệ thống

Nội dung chương này đề cập đến một số bài toán thường gặp khi xây dựng hệthống chatbot và hướng tiếp cận giải quyết

Chương 3: Ứng dụng mã nguồn mở rasa xây dựng hệ thống hỗ trợ quản

lý bán hàng

Chương này sẽ nói đến Rasa và các bước thực hiện xây dựng một hệ thốngchatbot Ứng dụng nền tảng mã nguồn mở Rasa để xây dựng một hệ thống chatbot

hỗ trợ quản lý bán hàng

CHƯƠNG 1: NỀN TẢNG LÝ THUYẾT

Trong những năm qua, sự phát triển mạnh mẽ của hệ thống mạng Internet vàtrí tuệ nhân tạo đã và đang được ứng dụng rộng rãi trong nhiều ngành nghề, lĩnhvực của cuộc sống Cùng với sự phát triển hàng ngày của xã hội thì nhu cầu trao đổithông tin, hàng hoá, dịch vụ của con người cũng tăng lên dẫn đến khối lượng dữliệu phải xử lý hàng ngày càng lớn Vậy nên, các hệ thống thông minh với khả năng

xử lý nguồn dữ liệu khổng lồ đó đang hàng ngày trở thành trợ thủ đắc lực cho cácdoanh nghiệp, tổ chức Và hiện nay, chatbot đang là một trong những giải phápđược các doanh nghiệp sử dụng nhiều bởi những lợi ích và hiệu quả của nó đã manglại cho doanh nghiệp Chính vì vậy nội dung chương 1 này sẽ khái quát một số kiếnthức cơ bản về trí tuệ nhân tạo, về chatbot, tìm hiểu về khả năng xử lý ngôn ngữ tựnhiên, về vai trò của chatbot trong trải nghiệm khách hàng và những gì chatbot đãmang lại cho doanh nghiệp

1.1 Tổng quan về trí tuệ nhân tạo

1.1.1. Khái niệm

Trí tuệ nhân tạo (tên tiếng anh là Artificial Intelligence - viết tắt là AI) hay còngọi là trí thông minh nhân tạo là một nhánh của khoa học liên quan đến việc làmcho máy tính có khả năng của trí tuệ con người, tiêu biểu như khả năng “suy nghĩ”,

“hiểu ngôn ngữ” và biết “học tập”

Có các cách tiếp cận trí tuệ nhân tạo như sau:

- Hành động giống người: ở cách tiếp cận này, sẽ tiến hành thí nghiệm trêncon người xem họ hành động như thế nào trong những tình huống nhấtđịnh rồi xem xét việc tạo cho máy khả năng như vậy

- Suy nghĩ giống người: bản chất của cách tiếp cận này là tạo ra các mô hìnhtính toán có cách thức suy nghĩ giống con người Tuy nhiên, đối với cáchtiếp cận của khoa học nhận thức thì đây là cách tiếp cận tìm cách hiểu suynghĩ của con người Tìm hiểu những diễn biến bên trong não người từ đóxây dựng các mô hình tính toán phản ánh các kiểu xử lý

- Suy nghĩ hợp lý: cách tiếp cận này sẽ sử dụng các luật suy luận để quản lýcác thao tác của suy nghĩ, khởi đầu cho logic: tiên đề -> luật suy luận ->kết

luận về hình thức, logic này cho phép tạo ra các câu chính xác Tuy nhiên,không dễ để đưa các tri thức về dạng hình thức theo cú pháp logic.

- Hành động hợp lý: làm tốt công việc mong muốn làm, dựa vào nhữngthông tin được cung cấp cố gắng đạt mục tiêu cao nhất

1.1.2 Quá trình hình thành và phát triển

Hình 1: Các giai đoạn phát triển của AI [1]

Năm 1642, chiếc máy tính cơ học đầu tiên có khả năng lập trình được doBlaise Pascal chế tạo đặt nền móng cho sự phát triển của AI

Năm 1950, Alan Turing đưa ra “Phép thử Turing” như là một phương phápkiểm chứng hành vi thông minh của máy tính Phép thử này ý nghĩa quan trọng đặtnền móng cho sự phát triển AI sau này

Năm 1956, một hội thảo nghiên cứu về trí tuệ nhân tạo được John McCarthy

tổ chức, thiết lập AI - artificial intelligence là một lĩnh vực nghiên cứu

Năm 1959, chương trình chứng minh các định lý hình học phẳng và chươngtrình giải quyết bài toán vạn năng (General problem solver - GPS) được đưa ra.Năm 1961, chương trình tính tích phân bất định

Năm 1965, Joseph Weizenbaum xây dựng ELIZA, một chatterbot có khả nănglàm việc như một chuyên gia phân tích tâm lý

Năm 1968, chương trình điều khiển người máy (robot) theo đồ án “Mắt-Tay”,chương trình học nói

Trong năm 1980, với kỹ thuật “Deep Learning” máy tính đã học được trảinghiệm của người dùng.

Từ năm 1990, có nhiều sản phẩm được chế tạo sử dụng kỹ thuật trí thôngminh nhân tạo như máy giặt, máy ảnh, hệ thống xử lý tiếng nói

Năm 2011, Siri - trợ lý thoại cá nhân thông minh của apple được phát triểnbởi Siri Inc và được phát hành dưới dạng ứng dụng độc lập

Ngày nay, với sự phát triển mạnh mẽ của khoa học công nghệ đã thúc đẩy sựphát triển các nghiên cứu về trí tuệ nhân tạo, ứng dụng trí tuệ nhân tạo trong cáclĩnh vực của cuộc sống, thu hút đông đảo lực lượng tham gia nghiên cứu, phát triểnsản phẩm và mở ra kỷ nguyên mới cho trí tuệ nhân tạo

1.1.3 Một số ứng dụng của trí tuệ nhân tạo

Hiện nay, trí tuệ nhân tạo đã và đang được ứng dụng rộng rãi trên hầu hết các lĩnhvực, ngành nghề trong cuộc sống Một số ứng dụng tiêu biểu hiện nay là:

+ Robot phẫu thuật

+ Quản lý hồ sơ điện tử

- Thương mại điện tử:

+ Phân tích hành vi khách hàng

+ Hỗ trợ khách hàng thông qua chtatbot

1.2 Chatbot

1.2.1 Giới thiệu về chatbot

Chatbot là một chương trình máy tính kết hợp với trí tuệ nhân tạo, có khả nănggiao tiếp với con người bằng cách đưa ra câu trả lời tự động cho các truy vấn củakhách hàng

Chatbot được ứng dụng trong nhiều lĩnh vực như dịch vụ khách hàng, y tế, tàichính ngân hàng, thương mại điện tử nó giúp cho các doanh nghiệp tiết kiệm thời

gian, chi phí thuê nhân công, tiết kiệm sức lực lao động của con người và tăng năngsuất lao động.

Trong những năm trở lại đây, chatbot là một đề tài “nóng”, nhưng thực ra nó

đã xuất hiện từ những năm 1950, khi Alan Turing đưa ra “Phép thử Turing” như là

thực hiện các cuộc hội thoại với con người Đây chính là nền tảng cho sự phát triểncủa chatbot Và chatbot đầu tiên đã ra đời vào năm 1960 với tên gọi Eliza Chươngtrình này được hoạt động bắt chước theo cách nói chuyện của con người Nó sửdụng một kịch bản mô phỏng một nhà tâm lý điều trị Tuy nhiên, chương trình cũng

bị giới hạn bởi các kịch bản

Ngày nay, khi công nghệ càng phát triển mạnh mẽ thì chatbot cũng sẽ đượccải tiến và thông minh hơn Nó sẽ trả lời được những câu hỏi mà không có trongkịch bản đã được xây dựng sẵn nhờ vào “Machine Leaning” Sử dụng phương pháp

ML đã giúp cho hệ thống “tự học”, “tự hiểu” các câu hỏi, nhu cầu của người dùng

và sau đó đưa ra các phản hồi phù hợp

1.2.2 Cấu trúc các thành phần hệ thống chatbot

Hình 2: Cấu trúc cơ bản một hệ thống chatbot [2]

Một hệ thống chatbot gồm 3 thành phần chính là hiểu ngôn ngữ tự nhiên(NLU), quản lý hội thoại (DM) và thành phần sinh ngôn ngữ (NLG)

- NLU: bao gồm xử lý ngôn ngữ tự nhiên (NLP) có tác dụng xác định ý địnhcủa người dùng và trích xuất thông tin Đây là thành phần quan trọng nhất,quyết định đến sự thông minh của bot.

Các bước xử lý chính trong NLU là:

• Phân loại tên miền (Domain detection)

• Phân loại ý định (Intent detection)

• Trích chọn thông tin (Entity detection)

- DM: xác định được hành động tiếp theo dựa vào trạng thái hành độngtrước đó hay ngữ cảnh hội thoại Các ngữ cảnh này cần được đối chiếutrong các kịch bản được xây dựng đào tạo cho bot

- NLG: thành phần sinh ngôn ngữ dựa vào việc ánh xạ các chính sách vàhành động được xác định trong DM NLG có thể sinh ra câu trả lời dựa vàovào câu trả lời mẫu đào tạo cho bot Có 4 phương pháp ánh xạ hay dùng làTemplate-base, Plan-based, Class-base, RNN-base

1.2.3 Nguyên tắc hoạt động của chatbot

Hình 3: Chatbot giao tiếp với người dùng

Hệ thống gồm các bước hoạt động như sau:

Bước 1

Hình 4: Quy trình xử lý của một chatbot

Bước 1: Tiếp nhận thông tin

- Khi chưa có phần mềm chatbot hỗ trợ:

Khách hàng khi có nhu cầu sẽ gọi điện trực tiếp cho bộ phận chăm sóckhách hàng hoặc nhắn tin vào hệ thống Nhân viên bán hàng sẽ là ngườitiếp nhận và xử lý thông tin Nếu khách hàng gửi tin nhắn ngoài giờ làmviệc hoặc hôm đó nhân viên xin nghỉ thì thông tin sẽ bị ứ đọng

Quy trình xử lý của hệ thống khi chưa có sự hỗ trợ của chatbot:

Hình 5: Quy trình xử lý hệ thống khi chưa sử dụng phần mềm chatbot

- Khi có phần mềm chatbot hỗ trợ:

Tin nhắn của khách hàng sẽ được gửi về hệ thống Hệ thống chatbot sẽhoạt động liên tục, tiếp nhận nhiều thông tin và nhiều khách hàng cùngmột lúc

Bước 2: Dịch ngôn ngữ máy

Máy tính sẽ không thể hiểu trực tiếp ngôn ngữ nhận từ tin nhắn củakhách hàng Nó cần một hệ thống để dịch lại thông tin, yêu cầu củakhách hàng bằng ngôn ngữ lập trình Sau đó, máy tính có thể hiểu cáccông việc cần thực hiện

Bước 3: Xử lý thông tin

Công nghệ AI sẽ tiến hành xử lý yêu cầu của khách hàng

Bước 4: Phản hồi lại thông tin cho người dùng

Máy tính sẽ tiếp nhận output từ AI và đưa ra phản hồi cho truy vấn củangười dùng

1.3 Xử lý ngôn ngữ tự nhiên

Xử lý ngôn ngữ tự nhiên (Natuare Language Processing - NLP) là một nhánhcủa khoa học máy tính và trí tuệ nhân tạo, tập trung vào các ứng dụng trên ngôn ngữcủa con người

Trong chatbot, xử lý ngôn ngữ tự nhiên giúp cho máy tính hiểu thông điệp củabạn và trả lời thích hợp Neu không có NLP, chatbot sẽ không thể phân biệt đượcmột cách có ý nghĩa các câu trả lời

Ví dụ: khi bạn gửi tin nhắn với nội dung “Hello”, “Goodbye”, nếu có NLPchatbot sẽ nhận biết được nội dung tin nhắn và tận dụng các khả năng AI của mình

để trả lời người dùng Với trường hợp này, hệ thống sẽ trả lời lại bằng một lời chào

“Hi” và một lời tạm biệt “Bye” Nhưng nếu không có NLP, cả 2 nội dung trên sẽkhông khác gì với các đầu vào của người dùng dựa trên văn bản, bot sẽ không hiểu

và đưa ra câu trả lời sai không đúng với văn cảnh, ngữ nghĩa

Một số chủ đề trong xử lý ngôn ngữ tự nhiên bao gồm:

- Thông tin cú pháp (Syntax): Đây là mức thể hiện mối quan hệ về cấu trúcngữ pháp giữa các từ và ngữ

- Thông tin ngữ nghĩa (Semantics): Mức thể hiện nghĩa của từ, cụm từ vàcách diễn đạt Xử lý ngữ nghĩa xác định ý nghĩa của một câu bằng cách tậptrung tương tác giữa các ý nghĩa cấp từ trong câu Mức độ này bao gồmviệc định hướng ngữ nghĩa của các từ với nhiều giác quan, theo cách tương

tự để phân định cú pháp của các từ

Tuy nhiên, hệ thống NPL ngày nay có xu hướng thực hiện thành các mô-đun

để đạt được mức độ yêu cầu Mức độ thấp thì sử dụng mô-đun thấp, mức độcao thì sử dụng nhiều mô-đun kết hợp

1.3.2 Một số bài toán con trong xử lý ngôn ngữ

- Phân tách các từ (Tokenization hay word segmention): Tách từ là một quátrình xử lý nhằm mục đích xác định ranh giới của các từ trong câu văn,cũng có thể hiểu đơn giản rằng tách từ là quá trình xác định các từ đơn, từghép có trong câu Đối với xử lý ngôn ngữ, để có thể xác định cấu trúcngữ pháp của câu, xác định từ loại của một từ trong câu, yêu cầu nhất thiếtđặt ra là phải xác định được đâu là từ trong câu Vấn đề này tưởng chừngđơn giản với con người nhưng đối với máy tính, đây là bài toán rất khó giảiquyết Thông thường thì các ngôn ngữ phân tách các từ bởi khoảng trắngnhưng đối với ngôn ngữ tiếng việt thì có rất nhiều từ ghép và cụm từ

- Gán nhãn từ loại: đây là bài toán được dùng để xác định các chức năng ngữpháp từ trong câu

Có hai vấn đề trong bài toán này là nhập nhằng từ và nhiều từ không cótrong dữ liệu huấn luyện

• Thứ nhất là nhập nhằng từ ngữ: một từ có thể có nhiều nghĩa và thuộcnhiều từ loại tuỳ vào ngữ nghĩa và hoàn cảnh của câu nói Trong câu này

nó có nghĩa là danh từ nhưng trong câu khác nó lại có nghĩa động từ.Dưới góc độ ứng dụng máy tính, việc xác định này rất dễ xảy ra nhầmlẫn đặc biệt với các từ tiếng việt Đã có nhiều hướng tiếp cận bài toángán nhãn từ bao gồm mô hình Markov ẩn (HMM), cây quyết định, mạngnơ-ron, Maximum Entropy, CRFs

• Thứ hai là không có nhiều từ trong dữ liệu huấn luyện: chính vì có nhiều

từ không xuất hiện trong dữ liệu huấn luyện nên việc xây dựng mô hìnhgán nhãn sẽ gặp nhiều khó khăn

1.3.3 Một số ứng dụng của xử lý ngôn ngữ

Các lĩnh vực đã và đang sử dụng ứng dụng xử lý ngôn ngữ tự nhiên trong cáclĩnh vực xã hội ngày càng nhiều Một số lĩnh vực tiêu biểu có thể kể đến là:

- Nhận dạng ngôn ngữ

- Phát hiện tri thức và khai phá dữ liệu

1.4 Vai trò của Chatbot trong trải nghiệm khách hàng

Trải nghiệm khách hàng có tên tiếng anh là Customer Experience hay còn gọi

là CX, là toàn bộ trải nghiệm của khách hàng từ khi họ tương tác, tiếp cận vớidoanh nghiệp có thể là qua điện thoại, zalo, Facebook

Cùng với trải nghiệm khách hàng thì hành trình khách hàng (CustomerJourney) cũng là một trong những yếu tố quan trọng khi xây dựng một hệ thốngChatbot nghiên cứu tiếp cận khách hàng và hỗ trợ kinh doanh của doanh nghiệp.Nếu như trải nghiệm khách hàng sẽ nghiêng về những cảm nhận của khách hàng thì

hành trình khách hàng lại tập trung vào các điểm tiếp xúc với khách hàng

Hình 6: Các giai đoạn của hành trình trải nghiệm khách hàng[6]

Hành trình trải nghiệm khách hàng sẽ gồm 5 bước sau:

Bước 1: quan tâm và nhận thức (Awareness): khách hàng có thể nhận thứcđược nhu cầu của mình thông qua một số kênh xã hội như tìm kiếm quảng

video quảng cáo bằng một số phương tiện như tivi, các biển quảng cáo, báođài, tạp chí

Bước 2: nhận thấy được nhu cầu của mình khách hàng sẽ tìm kiếm (Search)thông tin sản phẩm, dịch vụ qua các tìm kiếm tự nhiên, PPC, bản đồ hoặctrên các app trên điện thoại

Bước 3: khách hàng sẽ nghiên cứu (Research) sản phẩm nào phù hợp vớimình thông qua các blog và tạp chí hoặc xem giới thiệu, đánh giá của cáckhách hàng trước để lại về sản phẩm đó

Bước 4: sau thời gian tìm hiểu và nghiên cứu, khách hàng sẽ quết định muasane phẩm (Purchase) Khách hàng có thể mua sắm trên trang web của cửahàng, đặt hàng trực tuyến hoặc qua các app điện tử

Bước 5: khách hàng sẽ có những trải nghiệm (Experience) về sản phẩm củađơn vị bán hàng Họ có thể đăng cảm nhận của mình về sản phẩm trên cáctrang mạng xã hội, để lại những đánh giá và cảm nhận trên các blog

Tuy nhiên, có thể chia hành trình trải nghiệm bán hàng đó thành 3 giai đoạnnhư sau: trước mua hàng, mua hàng và sau mua hàng

- Trước mua hàng: khách hàng sẽ có các hoạt động về nhận thức, tìm kiếm vànghiên cứu Khi khách hàng nhận ra mình có nhu cầu, họ sẽ xác định mìnhcần gì, muốn gì và tìm kiếm những phương án lựa chọn cho mình Sau đó,

họ sẽ là người ra quyết định đưa ra những giải pháp và đơn vị đồng hànhsau thời gian nghiên cứu

- Mua hàng: khách hàng sẽ là người mua, trực tiếp sử dụng sản phẩm vàquyết định có quay lại sử dụng sản phẩm của đơn vị đó hay không?

- Sau mua hàng: khách hàng sẽ có những cảm nhận về sản phẩm, dịch vụ củađơn vị bạn Vì vậy, nếu họ cảm thấy hài lòng thì họ sẽ giới thiệu bạn bè,người thân sử dụng và ngược lại, họ sẽ không bao giờ quay lại sử dụng sảnphẩm đơn vị đó nữa

Trải nghiệm của khách hàng không chỉ đơn thuần là cảm xúc nhất thời hoặcđánh giá trên một sản phẩm nào đó Mà nó là cả quá trình từ nhu cầu, tìm hiểu,nghiên cứu, sử dụng và trải nghiệm sản phẩm Mức độ trải nghiệm sẽ ảnh hưởngtrực tiếp đến sự hài lòng của khách hàng sau này Theo một nghiên cứu mới đây thì

73% người tiêu dùng nói rằng trải nghiệm mua hàng hàng tốt là một yếu tố quantrọng ảnh hưởng trực tiếp đến quyết định mua sản phẩm nhưng chỉ có 49% kháchhàng nói rằng các doanh nghiệp hiện nay đáp ứng được điều đó Vậy nên, doanhnghiệp nào tập trung mang lại những trải nghiệm hài lòng cho khách hàng thì sẽkinh doanh thuận lợi và ngược lại, doanh nghiệp nào không mang lại trải nghiệmhài lòng cho khách hàng thì doanh nghiệp đó sẽ sớm thua lỗ và thất bại.

Chatbot là một hệ thống được sinh ra với tác dụng giúp cho các doanh nghiệp

hỗ trợ khách hàng, trả lời khách hàng tự động 24/7, tiếp cận khách hàng và giải đápnhững thắc mắc của khách hàng về thông tin sản phẩm, chương trình khuyến mại,dịch vụ chăm sóc khách hàng của doanh nghiệp mình

Theo báo cáo nghiên cứu của HubSpot:

- 71% mọi người sử dụng chatBot để giải quyết vấn đề của họ

- 56% mọi người muốn nhắn tin hơn là gọi dịch vụ chăm sóc khách hàng

- 53% mọi người có khả năng mua sắm với các doanh nghiệp mà họ nhắn tin.Chính vì vậy, khi doanh nghiệp muốn xây dựng phát triển một hệ thốngChatbot thì doanh nghiệp đó sẽ phải tìm hiểu về khách hàng bao gồm đối tượngkhách hàng, nhu cầu mong muốn của khách hàng, hành vi của khách hàng, trảinghiệm của khách hàng bởi khách hàng chính là nguồn mang lại lợi nhuận chodoanh nghiệp Một doanh nghiệp kinh doanh tốt nếu như thu hút được số lượngkhách hàng đông tới mua sản phẩm của mình và ngược lại Do vậy, hệ thốngchatbot mà doanh nghiệp đang muốn triển khai cần phải tiếp cận và thu hút kháchhàng một cách nhanh chóng nhất

Vậy chatbot đã thay đổi trải nghiệm khách hàng như thế nào?

Mọi người thường lầm tưởng rằng, các doanh nghiệp chỉ sử dụng chatbot chodịch vụ khách hàng Tuy nhiên, dịch vụ khách hàng chỉ là một ứng dụng được sửdụng phổ biến nhất trong hệ thống chatbot từ trước đến nay Các doanh nghiệpthường sử dụng nó để trả lời các câu hỏi phổ biến của khách hàng, cung cấp thôngtin, hoàn thành các đơn đặt hàng và hỗ trợ khách hàng Nhưng dịch vụ khách hàngcũng chỉ là một khía cạnh của chatbot và các chiến lược chat maketing lớn hơn mà

họ hỗ trợ Chatbot không chỉ là các đại lý dịch vụ khách hàng ảo mà chúng còn làcác công cụ trải nghiệm khách hàng toàn diện giúp thay đổi hoàn toàn cách các

doanh nghiệp tương tác với khách hàng Họ tự động hoá và tăng cường tiếp thị, bánhàng, giữ chân khách hàng, trải nghiệm người dùng và nhiều hơn thế nữa Theo mộtnghiên cứu năm 2016, mục tiêu hàng đầu của họ là cải thiện trải nghiệm kháchhàng, điều đó chứng tỏ rằng CX đóng vai trò rất quan trọng trong kinh doanh Nó làyếu tố quan trọng trong quyết định đến sự thành công hay thất bại của doanhnghiệp Và khi nói đến trải nghiệm khách hàng thì chatbot chiếm lợi thế hơn so vớicác kênh khác.

Chatbot có thể dự đoán và cá nhân hoá nhu cầu của khách hàng Một Chatbotcũng có thể thu thập thông tin từ đối tượng mục tiêu của bạn dẫn đến trải nghiệmkhách hàng được cá nhân hoá Thông tin có thể lấy được thông qua phương tiệntruyền thông xã hội, hệ thống quản lý quan hệ khách hàng (CRM) và chính cuộc tròchuyện Chatbot cho phép các doanh nghiệp tạo, quản lý và quản lý đối tượng.Chúng làm tăng giá trị tương tác của khách hàng và xây dựng được lòng tin củakhách hàng trong thời gian lâu dài Đó là lí do tại sao Chatbot là cách tốt nhất để thuhút mọi người và khiến họ gắn bó lâu dài

Nói đến hành trình khách hàng là đề cập đến toàn bộ con đường mà một kháchhàng tiềm năng sau khi tương tác với bạn Hiểu theo một nghĩa khác, hành trình củakhách hàng là sự nối tiếp các giai đoạn mà họ đã trải qua, từ lúc là một khách hàngtiềm năng cho đến khi trở thành khách hàng

Theo một nghiên cứu của Viện Baymard, tỷ lệ từ bỏ một trang web thương mại

điện tử thay đổi từ 50 - 80% Điều này đã mang đến tổn thất rất lớn cho doanhnghiệp Để khắc phục điều này, doanh nghiệp có thể triển khai xây dựng một hệthống chatbot để giúp đỡ khách hàng của bạn trong hành trình với doanh nghiệp bạn.Hiện nay, khi công nghệ thông tin và xã hội phát triển tiến bộ thì công nghệ sốngày càng chiếm vị trí quan trọng trong cuộc sống người tiêu dùng Khách hàngtrong thời buổi công nghệ cũng sẽ có những đòi hỏi nhu cầu cao hơn, vì vậy việccung cấp trải nghiệm khách hàng tối ưu và hiệu quả là một nhiệm vụ không dễdàng Để đạt được điều đó, bạn cần phải có mặt ở mọi lúc, mọi nơi với chất lượngphản hồi tốt, không thay đổi Nhưng trước hêt, điều cần làm là phân tích hành trìnhkhách hàng để xác định một số khoảnh khắc quan trọng Chuyển đổi hành trìnhkhách hàng sẽ giúp bạn đạt được các mục tiêu:

- Giữ chân khách hàng

- Biến khách hàng truy cập thành khách hàng trung thành với doanh nghiệp

- Thu thập dữ liệu và xác định nhu cầu, cải tiến của khách hàng tiềm năngMọi hành trình của khách hàng đều bắt đầu từ nhu cầu của chính khách hàng

đó Khi một khách hàng biết về một người thiếu xót, anh ta sẽ tìm cách lấp đầy nó,bắt đầu từ giai đoạn nghiên cứu kỹ lưỡng Một hệ thống chatbot AI sẽ là giải phápđặc biệt hiệu quả trong hành trình khách hàng

Các trường hợp sử dụng chatbot trong hành trình khách hàng:

- Một chatbot như một công cụ thông minh:

Theo một nghiên cứu của Wavestone, một trong 3 tính năng chính khuyếnkhích mua hàng trên Internet là truy cập vào các thông tin chi tiết về sảnphẩm hoặc dịch vụ Chỉ với một cuộc hội thoại đơn giản bang Chatbot AIhoặc một tác nhân nhỏ cũng giúp cho khách hàng tìm được vô số thông tinmột cách tức thời

- Một chatbot như một nhà tư vấn bán hàng:

Một chatbot hỗ trợ bán hàng, cung cấp các đề xuất sản phẩm dựa trênnhững gì người dùng đang tìm kiếm, là một cách làm hài lòng trải nghiệmcủa khách hàng Tạo một chatbot như vậy là một công việc rất khó khăn,nhưng nó quan trọng đối với doanh nghiệp của bạn Thiết lập một bot có thể

đi cùng với khách hàng sẽ là một tài sản thực sự giúp doanh nghiệp bánđược nhiều hàng và xây dựng sự tin tưởng của khách hàng

- Một chatbot tự động:

Thiết lập một chatbot chủ động trên trang sản phẩm hoặc trong giai đoạnxác thực là một cách tuyệt vời để loại bỏ các mục tiêu của người dùng vàkhiến họ mua hàng Ví dụ: cung cấp mã giảm giá, hiển thị đánh giá củakhách hang

không bao giờ mệt mỏi Một chatbot có thể có hàng ngàn cuộc trò chuyệnxảy ra cùng một lúc.

Để triển khai một hệ thống chatbot trong hành trình của khách hàng, cần phải:

- Phân tích hành trình mua hàng của khách hàng

- Điều chỉnh lời nói của Bot

- Kiểm tra và học hỏi

1.5 Tóm tắt chương 1

Chương 1 của bài khoá luận đã đề cập đến các kiến thức cơ bản về một hệthống chatbot, vai trò quan trọng của hai yếu tố hành trình khách hàng và trảinghiệm khách hàng giúp doanh nghiệp có thể cạnh tranh với đối thủ Đồng thời nóiđến vai trò của chatbot trong trải nghiệm khách hàng và hành trình khách hàng.Trong chương 2, khoá luận sẽ hướng tới giải quyết một số bài toán thường gặptrong quá trình xây dựng hệ thống chatbot và một số hướng tiếp cận

CHƯƠNG 2: MỘT SỐ BÀI TOÁN THƯỜNG GẶP KHI PHÁT TRIỂN HỆ

THỐNG CHATBOT

Trong chương này, bài khoá luận sẽ đi tìm hiểu một số bài toán thường gặpkhi phát triển hệ thống chatbot cũng như hướng tiếp cận giải quyết bài toán Sẽ córất nhiều hướng tiếp cận giải quyết các bài toán phát sinh trong quá trình xây dựng

hệ thống chatbot nhưng trong bài này chỉ đề cập đến một số phương pháp phổ biến

2.1 Bài toán xác định ý định người dùng

Với mỗi câu truy vấn nhận được từ khách hàng, hệ thống cần xác định đượccác intent (ý định) của họ để đưa ra phản hồi Intent được xác định đúng thì hệthống sẽ trả lời đúng với mong muốn của khách hàng Ngược lại, intent được xácđịnh sai thì hệ thống sẽ đưa ra những câu trả lời sai, không phù hợp với mong muốn

của khách hàng

Vì có rất nhiều đối tượng khách hàng ở các độ tuổi khác nhau, nghề nghiệpkhác nhau, thế hệ khác nhau tham gia sử dụng chatbot và cách nói chuyện của họcũng khác nhau nên mỗi intent khi được xây dựng cần được diễn đạt theo nhiều

cách khác nhau để hỗ trợ hệ thống có thể bắt đúng intent

Khi muốn hỏi tên, có thể có những cách diễn đạt sau:

dị= {wil, w i 2, ,w im }, w i j là trọng số của đặc trưng thứj (1<= j <=m).

Cách thức hoạt động của BoW:

Giả sử có 2 bộ tài liệu (1) và (2):

(1) Hoa thích xem phim Nam thích đọc sách

Sau khi có dữ liệu huấn luyện, bài toán tiếp theo cần giải quyết sẽ là bài toán phânlớp

Phát biểu bài toán:

- Input: cho trước một tập các câu hỏi: Q = {q 1 ,q 2 , ■■■ ,q n}

Bước huân luyẽn

Hình 8: Hệ thống phân lớp intent chatbot

Một hệ thống trên sẽ bao gồm các bước:

- Bước 1: Tiền xử lý dữ liệu Ở bước này, dữ liệu cần được “làm sạch” baogồm chuẩn hoá dữ liệu, chuẩn hoá dạng kí tự viết hoa, không viết hoa,chuyển từ viết sai chính tả thành đúng chính tả

- Bước 2: Trích chọn thông tin Trong học máy bước này được gọi là tríchxuất đặc trưng và sử dụng mô hình BoW để xây dựng vecto hoá đặc trưngkết hợp với TF-IDF để xác định giá trị các phần tử trong vecto

- Bước 3: hệ thống sẽ huấn luyện mô hình trên dữ liệu đã được trích xuất

- Bước 4: sử dụng các phương pháp Machine Learning để học ra một môhình phân lớp

2.1.1 Thuật toán Bag-of-Words (BoW)

Đây là một trong những phương pháp được sử dụng thường xuyên trong xử lýngôn ngữ tự nhiên và bài toán phân loại văn bản Ý tưởng của BoW là phân tích vàphân nhóm dựa theo Bag-of-Words (corpus) Trong đó, mỗi văn bản di trong tậpngữ liệu đang xét, tập này có n câu văn bản và m từ xuất hiện không lặp lại (theotừng cặp), sẽ được mô hình hóa như là một vector trọng số của các đặc trưng:

“Hoa”, “thích”, “xem”, “phim”, “Nam”, “thích”, “đọc”, “sách”

“Nam”, “cũng”, “thích”, “chơi”, “đá”, “banh”

Mỗi khoá là từ và mỗi giá trị là số lần xuất hiện của từ đó trong văn bản đã cho Tacó:

Bow1 = {“Hoa”: 1, “thích”: 2, “xem”: 1, “phim”: 1, “Nam”: 1, “đọc”: 1,

“sách”: 1}

Bow2 = {“Nam”: 1, “cũng”: 1, “thích”: 1, “chơi”: 1, “đá”: 1, “banh”: 1}

Gộp thành một túi (3) = (1) + (2)

Ta có một tài liệu khác giống với sự tổng hợp hai tài liệu trên như sau:

(3) Hoa thích xem phim Nam thích đọc sách Nam cũng thích chơi đá banh.Sau khi chuyển thành “một túi” như trên, ta có:

Bow3 = {“Hoa”: 1, “thích”: 3, “xem”: 1, “phim”: 1, “Nam”: 2, “đọc”: 1,