챗봇분석(랩장 주서영)

참석자 : 김규리, 박종대, 서재영, 장영재, 주서영(*가나다순) 대학로 공공일호 1. MS Azure의 헤어샬롱 챗봇 제작하기 봇 에뮬레이터와, LUIS 챗봇 예시를 구현해서, 로컬 환경에서 작동해보았다. 코드를 함께 살펴보며 LUIS 자연어 처리 서버와 어떻게 상호작용하는지 살펴보았다. 2. Demo Day 발표문서 준비하기 Google Dialog Flow의 카페 챗봇과, MS Azure의 헤어 샬롱 챗봇의 시연 영상을 촬영하고, 챗봇 빌더의 기본적인 요소들인 intent, entity, context를 이

참석자 : 박종대, 서재영, 주서영(*가나다순) 대학로 공공일호 4층 1. Google Dialogflow • 이전에 만든 카페봇 시나리오를 플랫폼 별로 완성하기 위해 의논 (페이스북, 텔레그램, 라인) • 샘플로 만들 카페봇의 답변 불러오기에 오류가 있어 차후 베이스를 수정 및 고도화하고 타 플랫폼에서 동작하는지 확인할 예정 2. MS Azure • Azure에서 챗봇 서비스를 만드는 방법을 공유하고 챗봇 구현에 관한 서비스 구축은 어떤 방식인지 간단하게 살펴봄 • Azure는 챗봇의 인식과 답변이 분리되어 있으며 답변은

참석자 : 김규리, 박종대, 서재영, 장영재, 주서영(*가나다순) 합정 BOX 1. Google Dialogflow에서 카페 주문 챗봇 만들기 지난 시간에 이어 커피 주문 챗봇을 계속하여 수정해보는 시간을 가졌다. 이때, 각각 온라인 활동으로 맡은 시나리오 설계, 트리 설계, Google Dialogflow를 이용한 코딩 수정 등에 대해 발표해보았다. 카페 주문 챗봇의 시나리오 트리 설계 intent 별 각각의 대화 설계 2. 개별 진행상황 통합 및 공유 지금까지 진행된 바에 대한 이론적인 부분에 대해 다 함께

대학로 공공일호 4층 참석자 : 김규리, 박종대, 서재영, 장영재, 주서영(*가나다순) 1. 향후 진행방향 논의 앞으로 어떤 챗봇을 분석할지 그 대상을 정해보는 시간을 가졌다. 정해진 대상 및 분석을 진행할 순서는 다음과 같다. 첫 번째로 인지도가 높으면서 대중적인 해외 챗봇 빌더를 분석하고자 하였다. 이에 해당하는 것으로 Google DialogFlow, Facebook Messenger Bot, Microsoft Azure, Amazon Lux, Chatfuel를 선정하였다. 두 번째로 인지도는 높으나 대중적이지 않

참석자 : 서재영, 장영재, 주서영(*가나다순) 대학로 공공일호 1. Google Dialogflow에서 카페 주문 챗봇 만들기 지난 시간에 이어 커피 주문 챗봇을 계속하여 수정해보는 시간을 가졌다. 대화흐름을 보완하고, 결제까지 확장한 커피 주문 챗봇 구현을 목표로 하였다. 2. MS Azure 리서치를 통해 인터넷에 공유된 MS Aure 소스를 분석하고, 헤어살롱 챗봇을 구축하는것을 목표로 진행하였다. 이에 따른 봇 프레임워크 개발환경을 구성하고, 봇 애뮬레이터를 통해 테스트하였다. 3. Google Dialog

대학로 공공일호 4층 참석자 : 김규리, 박종대, 서재영, 장영재, 주서영(*가나다순) 1. 개별 시나리오 토대로 Google DialogFlow 구현 발표 지난 시간에 이어 각자 설계한 시나리오를 어떻게 보완하였는지 발표해보는 시간을 가졌다. 발표를 통하여 앞으로 챗봇을 설계하는 데 있어 고려할만한 지점을 몇 개 정해보았다. 첫 번째는 대화를 설계하는 데에 꼭 필요한 요소는 무엇인지이고, 두 번째는 chatbot이 일을 수행함으로써 편리성과 효율성을 얻을 수 있는 것에는 무엇이 있는가이다. 이 두 가지 논점을 바탕으