{"id":5655,"date":"2022-02-24T17:24:35","date_gmt":"2022-02-24T16:24:35","guid":{"rendered":"https:\/\/wordlift.io\/blog\/it\/?p=5655"},"modified":"2022-02-24T17:24:45","modified_gmt":"2022-02-24T16:24:45","slug":"creare-chatbot-con-knowledge-graph","status":"publish","type":"post","link":"https:\/\/wordlift.io\/blog\/it\/creare-chatbot-con-knowledge-graph\/","title":{"rendered":"Come creare un chatbot basato sul Knowledge Graph"},"content":{"rendered":"\n

Quando pensiamo ai bot, pensiamo a robot tipo Star-Wars o ad androidi umanoidi che comunicano con noi.<\/p>\n\n\n\n

Cosa sono i chatbot? I chatbot sono programmi per computer costruiti per comunicare con gli esseri umani utilizzando il linguaggio naturale.<\/strong> Di solito, gestiscono compiti di assistenza al cliente, come rispondere alle domande e prenotare appuntamenti.<\/p>\n\n\n\n

Lo scopo principale dei sistemi chatbot \u00e8 quello di recuperare informazioni preziose e rilevanti <\/strong>da una o pi\u00f9 basi di conoscenza utilizzando la comprensione del linguaggio naturale (NLU) e le tecnologie del web semantico<\/a>. <\/p>\n\n\n\n

Il problema<\/h2>\n\n\n\n

Il web \u00e8 pieno di informazioni tra le pi\u00f9 disparate; \u00e8 spesso difficile per gli esseri umani classificare e giudicare la qualit\u00e0 di una fonte a prima vista. Cos\u00ec, per risparmiare tempo, che \u00e8 il nostro bene pi\u00f9 prezioso, ci rivolgiamo alle macchine per fare la ricerca per noi.<\/p>\n\n\n\n

Tecnicamente parlando<\/h3>\n\n\n\n

Molti sistemi chatbot sono progettati per richiedere un sacco di dati di formazione, che non sono disponibili e che quindi risultano costosi da creare. Recentemente, con lo sviluppo crescente dei linked data<\/a>, si sono visti progressi crescenti sui chatbot nella ricerca e nell’industria. Tuttavia, devono affrontare molte sfide, tra cui la comprensione della query<\/a> dell’utente, la classificazione dell’intento, l’aspetto multilingue, le basi di conoscenza multiple e l’interpretazione delle query analitiche.<\/p>\n\n\n\n

I Knowledge Graph stanno diventando sempre pi\u00f9 una tecnologia standard per le aziende, le persone e gli editori. Un bot basato su Knowledge Graph \u00e8 scalabile, flessibile e dinamico<\/strong>.<\/p>\n\n\n\n

Perch\u00e9 il Knowledge Graph<\/h2>\n\n\n\n

Un Knowledge Graph \u00e8 una struttura che ritrae le informazioni come relazioni e concetti collegati tra loro. Google<\/a> \u00e8 stato il primo a menzionare i Knowledge Graphs e la tecnologia dietro di essi nel 2012. <\/p>\n\n\n\n

Puoi scoprire di pi\u00f9 su perch\u00e8 hai bisogno di un Knowledge Graph<\/strong><\/a> leggendo il nostro articolo.  <\/p>\n\n\n\n

Torniamo a noi ora!<\/em><\/p>\n\n\n\n

Quindi sappiamo che un chatbot ha bisogno di un modello di dominio per capire e rispondere alle domande degli utenti. Nel machine learning<\/a>, genereremo un’enorme base di conoscenza di frasi e casi d’uso, perdendo tempo e risultando in un chatbot statico, di cui il web \u00e8 gi\u00e0 pieno.<\/p>\n\n\n\n

Poich\u00e9 un modello di dominio raccoglie informazioni su un particolare argomento o soggetto, possiamo usare un Knowledge Graph per memorizzare e recuperare facilmente le informazioni.<\/p>\n\n\n\n

In questo modo, il nostro chatbot sar\u00e0 dinamico e sempre aggiornato e non richieder\u00e0 l’intervento manuale per aggiungere e modificare la base di conoscenza.<\/p>\n\n\n\n

Vantaggi dei chatbot basati su Knowledge Graph<\/h3>\n\n\n\n

Un chatbot basato su un Knowledge Graph sa come interpretare le richieste degli utenti<\/strong> fornendo subito risposte significative. Inoltre, non ci sar\u00e0 bisogno di una lunga formazione.<\/p>\n\n\n\n

I Knowledge Graph possono essere aggiornati in modo pi\u00f9 efficiente semplicemente aggiungendo i dati e le relazioni con altre entit\u00e0.<\/p>\n\n\n\n

Come sviluppare un chatbot basato sul Knowledge Graph<\/h2>\n\n\n\n

Prima di tutto, c’\u00e8 il lavoro preparatorio per il Knowledge Graph, in cui ci dovrebbe essere una chiara struttura di concetti, entit\u00e0 e relazioni tra loro.<\/p>\n\n\n\n

Poi, il chatbot deve “studiare” queste regole, entit\u00e0 e relazioni per rispondere alle domande.<\/p>\n\n\n\n

Questi sono tre flussi principali che descrivono come sviluppare un’interfaccia di conversazione basata su un Knowledge Graph: <\/p>\n\n\n\n