딥러닝 및 머신러닝을 이용한 검색 기반 및 생성 기반 챗봇에 대한 비교 연구

화면 시간을 늘리면 정신 건강에 해로운 영향을 포함하여 심각한 건강 영향을 초래할 수 있습니다. 기술 향애 집착과 건강에 미치는 영향을 연구하기 위해 딥러닝(DL) 및 머신러닝(ML) 기법을 사용한 연구가 수행되었습니다. 다양한 산업에서 챗봇의 배치는 게임 체인저로 입증되었습니다. 우리는 운영자가 인간과의 대화를 닮은 기계와 대화를 수행할 수 있도록 하는 대화형 인공지능(AI) 시스템을 연구합니다. 우리는 각각 6개의 디자인이 있는 2개의 검색 기반 및 생성 기반 챗봇을 설계하고 개발합니다. 검색 기반 챗봇 중 Vanilla 순환 신경망(RNN)은 83.22%의 정확도를 가지며, Long Short Term Memory(LSTM)는 89.87%, Bidirectional LSTM(Bi-LSTM)은 91.57%, Gated Recurrent Unit(GRU)는 65.57%, Convolution Neural Network(CNN)는 82.33%의 정확도를 가집니다. 이에 비해 생성 기반 챗봇은 94.45% 정확도의 인코더-디코더 디자인을 가지고 있습니다. 가장 큰 차이점은 생성 기반 챗봇이 새로운 텍스트를 생성할 수 있는 반면, 검색 기반 챗봇은 기존에 알고 있는 출력 중에서 가장 적합한 입력에만 응답할 수 있다는 것입니다.