+ Giao tiếp cƣờng độ lớn: Bằng cách sử dụng Chatbot, việc giao tiếp hoặc
cung cấp dịch vụ cho nhiều đối tượng trong một khoảng thời gian ngắn dễ dàng hơn các phương thức trò chuyện truyền thống do trung tâm cuộc gọi hoặc nhóm dịch vụ khách hàng cung cấp.
+ Cá nhân hóa đƣợc cải thiện theo thời gian: Khi Chatbot sử dụng AI và
máy học, nó có thể nhớ người dùng đã hỏi gì trong lần giao tiếp trước và cá nhân hóa cuộc trò chuyện hiện tại dựa trên tất cả những thơng tin trước đó. Điều này mang lại trải nghiệm người dùng tốt hơn và mức độ hài lòng của khách hàng cao hơn, đồng thời cung cấp cuộc trao đổi hiệu quả hơn những gì con người có thể cung cấp.
+ Tăng tỷ lệ xem: Khi Chatbot tương tác với người dùng, nó có thể gửi
nhiều loại thông báo khác nhau. Những thơng điệp này có xu hướng mang lại tỷ lệ xem cao, thường là từ 85% đến 90%. Điều này thật đáng kinh ngạc khi so sánh với các liên lạc email truyền thống, chỉ mang lại tỷ lệ xem khoảng 25% đến 30%.
Trong lĩnh vực tiếp thị, một lợi ích khác được cung cấp bởi Chatbot là khả năng nhận dữ liệu và phân tích về khách hàng tiềm năng, sau đó những thơng tin này có thể được sử dụng để cải thiện nỗ lực tiếp thị và tăng doanh thu.
Ngồi ra Chatbot cũng có thể được sử dụng cho giao tiếp nội bộ trong một tổ chức. Chúng có thể đặc biệt có lợi cho các tổ chức lớn, mang lại hiệu quả cao hơn và cải thiện sự giao tiếp giữa các nhân viên. Các tổ chức lớn hơn đang phát triển và có nhiều lợi ích từ việc sử dụng Chatbot. Điều này là do các doanh nghiệp lớn thường xử lý số lượng dữ liệu đầy đủ hơn và có các quy tắc và quy định phức tạp hơn các doanh nghiệp nhỏ.
Một vài lợi thế ích mà Chatbot có thể cung cấp cho các tổ chức lớn:
+ Ghi nhận thông tin nhanh hơn: Thay vì dành hàng giờ tìm kiếm nhà
cung cấp đáp ứng nhu cầu của tổ chức, Chatbot có thể giúp tìm ra lựa chọn tốt nhất chỉ trong vài giây và trả lời ngay.
+ Cơ hội đào tạo tốt hơn cho nhân viên: Việc sử dụng một Chatbot có thể
các tổ chức tạo ra một Chatbot dựa trên cây logic cơ bản có thể giúp nhân viên truy cập tốt hơn vào tất cả thơng tin nội bộ của họ vì loại Chatbot này có thể được thiết từ tất cả dữ liệu tồn tại trong mạng nội bộ của một tổ chức.
+ Cải thiện giao tiếp với bộ phận nguồn nhân lực: Tổ chức muốn lên kế
hoạch cho kỳ nghỉ trong hai tháng tới? Chatbot có thể dễ dàng tính tốn số ngày nghỉ còn lại của các nhân viên để đưa ra một kế hoạch nghỉ dưỡng cho toàn bộ tổ chức và không ảnh hưởng đến hoạt động của tổ chức đó.
+ Tăng động lực cho nhân viên: Sử dụng Chatbot, tổ chức có thể gửi các
ghi chú tích cực cho các nhân viên của mình, chúc mừng họ đạt mốc hoặc đơn giản là nhận ra thành tích của họ.
+ Giao tiếp nhanh hơn: Theo truyền thống, tin tức quan trọng thường được
truyền đạt trong một tổ chức thông qua email hoặc mạng nội bộ. Tuy nhiên, một Chatbot có thể chia sẻ thơng tin mới với tất cả các thành viên nhanh hơn, điều này có thể hữu ích trong các tình huống khẩn cấp.
Cho dù được sử dụng cho mục đích bán hàng, dịch vụ chăm sóc hay hỗ trợ khách hàng, các Chatbot có tính tương tác nhiều hơn so với những hình thức khác như điện thoại, email hay giao tiếp ảo với khách hàng. Chúng ta có thể cá nhân hóa nội dung tin nhắn Chatbot, và cung cấp các cập nhật tới người dùng về các thông tin cần thiết. Nói chung, mọi khách hàng đều cảm thấy chán nản với các dịch vụ điện thoại tự động đòi hỏi phải qua nhiều bước và chờ đợi, vốn gây nhiều khó khăn và rắc rối trong việc kết nối tới người cần liên lạc [20], [31].
Chatbot hiện đang được nhiều tổ chức và cá nhân tại Việt Nam sử dụng nhằm nhanh chóng trả lời các thơng tin từ khách hàng. Tổng công ty Điện lực TP Hà Nội (EVNHANOI) đã xây dựng thành công Chatbot có thể đốn ý người dùng vào năm 2018, hay Chatbot trên website Cổng thông tin du lịch thành phố Đà Nẵng nhằm cung cấp thông tin về du lịch ngay lập tức [2], [3].
Cơng tác cải cách thủ tục hành chính ở nước ta đang được các cấp các ngành quan tâm triển khai thực hiện trong đó việc cơng khai, minh bạch các thủ tục hành chính là một trong những cơng tác quan trọng. Mục đích của việc cơng khai, minh
bạch các thủ tục hành chính là để người dân, doanh nghiệp dễ dàng tiếp cận, tìm hiểu, thực hiện và giám sát. Việc công khai, minh bạch được thực hiện theo nhiều hình thức như: niêm yết công khai tại các cơ quan, đơn vị giải quyết thủ tục hành chính, tờ rơi tuyên truyền, công khai trên trang, cổng thông tin điện tử các địa phương.
Tuy nhiên, với số lượng thủ tục hành chính nhiều như hiện nay (số lượng thủ tục hành chính của tỉnh Bà Rịa – Vũng Tàu hiện nay khoảng 2.192 thủ tục) thì việc tìm hiểu của người dân và doanh nghiệp gặp nhiều khó khăn. Từ đó cần có một hệ thống tự động hỗ trợ nhu cầu tìm hiểu của người dân và doanh nghiệp về thủ tục hành chính. Để giải quyết vấn đề này, Chatbot là một trong những lựa chọn hợp lý nhất trong thời đại công nghệ 4.0 [1].
Sử dụng Chatbot sẽ giúp tự động hố q trình đáp ứng của bộ phận tiếp nhận/ xử lý các yêu cầu của người dân, cắt giảm chi phí vận hành, rút ngắn thời gian đáp ứng và nâng cao sự hài lòng của người dân. Theo số liệu thống kê, phần lớn các dịch vụ thông dụng có tới 70-80% số câu hỏi của người dân là các câu hỏi có nội dung lặp đi lặp lại, có thể tự động trả lời. Tuy nhiên, các nội dung hỏi này thường được hỏi bằng nhiều cách diễn đạt khác nhau, khiến cho việc trả lời tự động hoặc thực hiện yêu cầu tự động bằng máy tính rất khó khăn. Nhiều đơn vị, tổ chức đã và đang sử dụng nhân lực cho việc trả lời câu hỏi, giải đáp thắc mắc của người dân. Ngoài ra, việc hỏi về các dịch vụ cơng cũng thường xun được thực hiện vào ngồi giờ làm việc (ví dụ ngày nghỉ, ngày lễ, buổi đêm,...) vì chỉ khi đó người dân mới có thời gian rảnh để hỏi/đáp. Để giải quyết các vấn đề trên, Chatbot cung cấp chức năng trả lời tự động, thực hiện tự động trả lời các yêu cầu dựa trên việc phân tích và lý giải ngơn ngữ tự nhiên. Chatbot có thể nhận, phân tích câu hỏi để phát hiện nhiều cách hỏi khác nhau cho cùng một nội dung hỏi. Từ đó, nếu có sẵn tập câu hỏi - trả lời mẫu tốt, Chatbot sẽ trả lời được phần lớn các câu hỏi của người dân. Chatbot có thể chạy online 24/24 nên việc đáp ứng nhu cầu của khách hàng ngoài giờ làm việc là một thế mạnh của Chatbot. Cuối cùng, khi Chatbot khơng có đủ kiến thức để trả lời câu hỏi, Chatbot có thể chuyển tiếp câu hỏi về phía sau cho nhân viên trực trả
lời. Nhân việc trực sau đó có thể đăng ký mẫu câu hỏi - câu trả lời để lần sau nếu gặp câu tương tự Chatbot sẽ trả lời thay được. Bằng phương pháp này, hệ thống trả lời sẽ thơng minh dần lên và có thể giúp cắt giảm tới 70-80% số nhân công cần thiết cho việc đáp ứng nhu cầu của người dân.
Chatbot cho phép cung cấp dịch vụ tới người dân, doanh nghiệp trên cơ sở 24/7 mà không cần cán bộ, công chức phải trực cả ngày lẫn đêm. Bất cứ khi nào người dân, doanh nghiệp truy cập và cần sự trợ giúp, Chatbot sẽ ln có mặt ở đó để giúp đỡ.
Chƣơng 3. TỔNG QUAN VỀ MÁY HỌC VÀ CÂY QUYẾT ĐỊNH 3.1. Tổng quan về máy học 3.1. Tổng quan về máy học
3.1.1. Giới thiệu về máy học
Trong thời gian gần đây, chủ đề về cuộc Cách mạng Công nghiệp 4.0 được nhắc đến nhiều trên giới truyền thơng và mạng xã hội. Cùng với đó là những hứa hẹn về cuộc “đổi đời” của các doanh nghiệp tại Việt Nam nếu đón được làn sóng này.
Cách mạng công nghiệp đầu tiên sử dụng năng lượng nước và hơi nước để cơ giới hóa sản xuất. Cuộc cách mạng lần 2 diễn ra nhờ ứng dụng điện năng để sản xuất hàng loạt. Cuộc cách mạng lần 3 sử dụng điện tử và công nghệ thơng tin để tự động hóa sản xuất. Cuộc cách mạng Cơng nghiệp lần thứ tư đang diễn ra với sự nổi bật của trí tuệ nhân tạo (Artificial Intelligence-AI) cụ thể hơn là máy học (Machine Learning-ML) (hình 3.1).
Hình 3.1. Lịch sử 4 cuộc cách mạng cơng nghiệp (Nguồn https://www.ninhthuan.gov.vn/)
Theo Tom Michael Mitchell thì “Một chương trình máy tính được gọi là “học tập” từ kinh nghiệm E để hoàn thành nhiệm vụ T với hiệu quả được đo bằng phép đánh giá P, nếu hiệu quả của nó khi thực hiện nhiệm vụ T, khi được đánh giá bởi P, cải thiện theo kinh nghiệm E“. Nó được xem như một tập hợp con của trí tuệ nhân tạo. Các thuật tốn máy học xây dựng một mơ hình tốn học dựa trên các dữ liệu mẫu còn được gọi là “dữ liệu đào tạo” để đưa ra dự đoán hoặc quyết định mà khơng cần lập trình trước. Các thuật tốn máy học được sử dụng trong nhiều ứng dụng, chẳng hạn như lọc thư rác, phân tích và nhận dạng các hình ảnh, trong đó việc phát triển các thuật tốn thơng thường để thực hiện các tác vụ cần thiết là khó hoặc khơng khả thi [5].
Máy học có liên quan mật thiết đến thống kê tính tốn, tập trung vào việc đưa ra dự đốn bằng máy tính. Data mining cũng là một lĩnh vực nghiên cứu liên quan đến máy học, nó tập trung vào phân tích dữ liệu khám phá thông qua học không giám sát. Trong ứng dụng của nó trong các vấn đề kinh doanh, máy học cịn được gọi là phân tích dự đốn [21].
Nói cách khác máy học là một ứng dụng của trí tuệ nhân tạo cung cấp cho các hệ thống khả năng tự động học hỏi và cải thiện từ kinh nghiệm mà không cần
được lập trình rõ ràng. Máy học tập trung vào việc phát triển các chương trình máy tính có thể truy cập dữ liệu và sử dụng nó để tự học.
Cùng với sự phát triển vượt bậc về khả năng tính tốn của máy tính và số lượng dữ liệu lớn được thu thập bởi các tổ chức công nghệ lớn. Một lĩnh vực mới của máy học đã ra đời là Deep Learning. Những công việc tưởng chừng như không thể giải quyết được nay đã được xử lý rất tốt nhờ Deep Learning như: phân loại hàng nghìn vật thể trong ảnh, nhận diện giọng nói, giao tiếp với con người hay sáng tác văn thơ … Mối quan hệ của AI, Machine Learning và Deep Learning được biểu diễn ở (hình 3.2).
Hình 3.2. Mối quan hệ giữa AI, ML và Deep Learning
(Nguồn: https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial- intelligence-machine-learning-deep-learning-ai/)
3.1.2. Phân nhóm các thuật tốn máy học
Các nhóm tiếp cận máy học theo truyền thống được chia thành ba loại lớn, tùy thuộc vào bản chất của "tín hiệu" hoặc "phản hồi" có sẵn cho hệ thống học tập bao gồm [5], [41]:
Học có giám sát (Supervised Learning): là phương pháp dự đốn đầu ra
cịn được gọi là (dữ liệu, nhãn). Học có giám sát là nhóm phổ biến nhất trong các thuật tốn của máy học (hình 3.3).
Ví dụ: trong nhận dạng chữ viết tay, ta có ảnh của hàng nghìn chữ số được
viết bởi nhiều người khác nhau. Đưa các bức ảnh này vào trong một thuật tốn và chỉ cho nó biết mỗi bức ảnh tương ứng với chữ số nào. Sau khi thuật tốn tạo ra một mơ hình, tức một hàm số mà đầu vào là một bức ảnh và đầu ra là một chữ số, khi nhận được một bức ảnh mới mà mơ hình chưa nhìn thấy bao giờ, nó sẽ dự đốn bức ảnh đó chứa chữ số nào (hình 3.4).
Hình 3.3. Mơ hình học có giám sát (Supervised Learning)
(Nguồn https://medium.com/datadriveninvestor/learning-paradigms-in-machine- learning-146ebf8b5943)
Hình 3.4. MNIST- bộ cơ sở dữ liệu của chữ số viết tay. (Nguồn https://deepai.org/dataset/mnist) (Nguồn https://deepai.org/dataset/mnist)
Học không giám sát (Unsupervised Learning): Khác với phương pháp học
có giám sát phương pháp này máy tính khơng biết được kết quả hay nhãn mà chỉ có dữ liệu đầu vào. Thuật tốn sẽ tự tìm cấu trúc dựa dữ liệu đầu vào và thực phân nhóm (clustering) hoặc giảm số chiều của dữ liệu (dimension reduction) để thuận tiện trong việc lưu trữ và tính tốn (hình 3.5).
Hình 3.5. Mơ hình học khơng giám sát (Unsupervised Learning)
(Nguồn https://medium.com/datadriveninvestor/learning-paradigms-in-machine- learning-146ebf8b5943)
Học tập củng cố (Reinforcement Learning): là phương pháp học giúp cho
một máy tính tự động xác kết quả dựa trên hồn cảnh để đạt được kết quả tốt nhất. Hiện tại phương pháp này chủ yếu được áp dụng vào Lý Thuyết Trị Chơi (Game Theory), các thuật tốn cần xác định nước đi tiếp theo để đạt được điểm số cao nhất (hình 3.6).
Hình 3.6. Mơ hình học tập củng cố (Reinforcement Learning)
(Nguồn https://medium.com/datadriveninvestor/learning-paradigms-in-machine- learning-146ebf8b5943)
3.2. Mơ hình cây quyết định
Hiện nay, có rất nhiều cơng nghệ hỗ trợ việc xây dựng Chatbot để ứng dụng cho các hệ thống khác nhau. Trong phạm vi đề tài sẽ thực hiện tìm hiểu Machine Learning và các kỹ thuật xử lý ngôn ngữ trong Natural Language Processing (NLP) và Natural Language Understanding (NLU) để xây dựng mơ hình “Cây quyết định” và áp dụng thuật toán Text Classification, [18].
3.2.1. Giới thiệu về mơ hình Cây quyết định
Trong cuộc sống hàng ngày, chúng vẫn đang sử dụng mơ hình “Cây quyết định” để giải quyết các công việc hàng ngày. Ví dụ, khi vào siêu thị mua thịt cho bữa ăn trong gia đình. Câu hỏi đầu đầu tiên trong ta là: Cần mua bao nhiêu thịt? Lúc đó bản thân sẽ xác định: Nếu là ngày thường thì gia đình sẽ sử dụng khoảng 1 kg thịt, cịn cuối tuần thì sẽ là 1,5 kg. Như vậy, dựa theo ngày, ta sẽ quyết định lượng thực phẩm cần mua cho gia đình [12].
Đó chính là một dạng của mơ hình cây quyết định nhị phân.
Cây quyết định là một cấu trúc giống như lưu đồ, trong đó mỗi nút bên trong đại diện cho một “phép thử” trên một thuộc tính (ví dụ: liệu một lần lật đồng xu
xuất hiện ngửa hay sấp), mỗi nhánh đại diện cho kết quả của thử nghiệm và mỗi nút lá đại diện cho một nhãn lớp (quyết định được thực hiện sau khi tính tốn tất cả các thuộc tính). Các đường dẫn từ gốc đến lá đại diện cho các quy tắc phân loại.
Trong phân tích quyết định, cây quyết định và sơ đồ ảnh hưởng có liên quan chặt chẽ được sử dụng như một công cụ hỗ trợ ra quyết định trực quan và phân tích, nơi các giá trị mong muốn của các lựa chọn thay thế cạnh tranh được tính tốn [35], [22].
Đặc điểm của cây quyết định: là một cây có cấu trúc, trong đó (hình 3.7): + Root (Gốc): Nút trên cùng của cây.
+ Node trong: nút trung gian trên một thuộc tính đơn. + Nhánh: Biểu diễn các kết quả của kiểm tra trên nút.
+ Node lá: Biểu diễn lớp hay sự phân phối lớp (hình vng hoặc chữ nhật).
Hình 3.7. Cấu trúc Cây quyết định
Hình 3.8. Mơ hình cây quyết định chơi hay không chơi Tennis (Nguồn https://nulpointerexception.com/2017/12/16/a-tutorial-to- (Nguồn https://nulpointerexception.com/2017/12/16/a-tutorial-to-
understand-decision-tree-id3-learning-algorithm)
Cây quyết định được sử dụng có hai loại chính [22]:
+ Phân loại (Classification) (hình 3.9):
Các ví dụ mơ hình nêu ở trên là một ví dụ về cây phân loại, trong đó kết quả