Use este identificador para citar ou linkar para este item: https://arandu.iffarroupilha.edu.br/handle/itemid/265
Registro completo de metadados
Campo DCValorIdioma
dc.creatorLengler, Victor Picinini-
dc.date.accessioned2023-02-24T01:15:48Z-
dc.date.available2023-02-24T01:15:48Z-
dc.date.issued2021pt_BR
dc.identifier.urihttps://arandu.iffarroupilha.edu.br/handle/itemid/265-
dc.description.abstractPapibot is a mobile app that comes to assist English learning through the dialogue between the user and an artificial intelligence simulating an interlocutor. Through this paper it was seeked the best way to develop and train a machine learning algorithm that, applying Natural Language Processing, understands the user's speech and can produce a contextualized, understandable and engaging response. Were then analyzed the results obtained in the implementation of two open source tools - DeepPavlov and DialoGPT - using a dataset containing natural language dialogs. The most discrepant differences between the two options are DeepPavlov's accuracy and DialoGPT's flexibility in generating texts. By comparing the algorithms, it was found that DialoGPT did better in three of the five decisive factors - Performance, Ease of Implementation and Flexibility -, thus confirming its choice as the best way to implement the service.pt_BR
dc.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia Farroupilhapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAlgorítmospt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectProcessamento de linguagem natural (Computação)pt_BR
dc.titleA inteligência artificial por trás do aplicativo Papibotpt_BR
dc.typeTrabalho de Conclusão de Graduaçãopt_BR
dc.contributor.advisor1Konrad, Jenifer Heuert-
dc.contributor.referee1Konrad, Jenifer Heuert-
dc.contributor.referee2Rubert, Cleber-
dc.contributor.referee3Pizzoni, Magnos Roberto-
dc.description.resumoO Papibot é um aplicativo que traz como proposta auxiliar no aprendizado da língua inglesa através do diálogo do usuário com uma inteligência artificial simulando um interlocutor. Através deste trabalho buscou-se a melhor forma de desenvolvimento e treinamento de um algoritmo de machine learning que, aplicando Processamento de Linguagem Natural, compreenda a fala do usuário e possa produzir uma resposta contextualizada, compreensível e engajadora. Foram analisados objetivamente os resultados obtidos na implementação de duas ferramentas de código aberto - DeepPavlov e DialoGPT - usando um dataset contendo diálogos com linguagem natural. As diferenças mais discrepantes entre as duas opções são a exatidão da DeepPavlov e a flexibilidade na geração de textos da DialoGPT. Através da comparação dos algoritmos, foi constatado que a DialoGPT se saiu melhor em três dos cinco fatores decisivos - Performance, Facilidade de Implementação e Flexibilidade -, assim confirmando sua escolha como melhor forma de implementar o serviço.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Panambipt_BR
dc.publisher.initialsIFFARpt_BR
dc.audience.educationlevelGraduaçãopt_BR
dc.creativecommons.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/br/*
dc.creativecommons.nameAtribuição-NãoComercial-CompartilhaIgual 3.0 Brasil*
Aparece nas coleções:Sistemas para Internet

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC VICTOR PICININI LENGLER.pdf2 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Este item está licenciado sob uma Licença Creative Commons Creative Commons