Abschlusspräsentation für die Rasa-Gruppe

@df15nocu schreibe weitere Info zu 'get_spouse.R'
@df15nocu Füge Precision/Recall zu 'get_spouse.R'
@ls80zyse schreibe weitere Info zu 'get_awards.R'
@lg58weky Fixe typo bei Plot "Eregnisse"
@lg58weky Schiebe Gesamtarchitketur vor Skript Demos
@lg58weky Gehe in der Präsentation nochmal expliziet auf Actions ein
@lg58weky Baue intent:chitchat ein, um sachen wie 'how are you' zu handeln
@jw32vufi Baue Fallback Action für Bot - siehe #68 (closed)
@lh85myqa Beispielanfragen an den Bot: 3 die Funktionieren, eine mit Rechtschreibfehler und eine ohne Ergebnis

Gliederung

Rasa-Bot konfigurieren -> für Training werden entities und intents benötigt
- Definition intent
- Aufstellen von Liste mit Intents zu Physikern (Liste einfügen)
- Daten akquirieren (982 Wikipedia-Artikel)
Processing -> eigenes R-package ("wikiproc")
- Crawling von reinem HTML, cleaning-Skript
- Zu jedem Intent eigenes Verfahren zur Extraktion
- Beispiele (awards, spouse, university, birthdate)
Gesamtlösung: Schaubild zu Architektur
- data.tsv verbindet Bot und processing
- processing als Teil des Bot-Trainings
Demo des Bots

Evaluation der Ergebnisse
- Warum viele NAs?
- Precision/Recall Plots (birthdate, awards, spouse)
Bewertung RASA-Software
- Setup schwierig
- Keine Beispiel in Manuals, keine Dokumentation in Beispielen
Bewertung Wikipedia-Artikel als unstrukturierte Daten als Grundlage
- (+) relativ ähnlicher Aufbau
- (-) dennoch im Detail unterschiede ("persönliche Note" ständig unterschiedlicher Autoren)
- (-) unterschiedlich ausführlich
Beantwortung der Forschungsfrage

Kann man dieses Wissen aus Texten generieren?

Lässt sich dieses Wissen automatisch generieren?

Nein. Intents sollten vorher generiert werden, dann lässt sich das Wissen mit auf den Intent und die Datengrundlage zugeschnittenen Verfahren extrahieren

Edited Mar 05, 2019 by Lukas Gehrke