Key points are not available for this paper at this time.
챗봇은 자연어를 이해하고 정보를 제공하며 매력적으로 응답할 수 있는 프로그램입니다. 이 연구는 아랍어 챗봇에서 변환기 및 전이 학습 기술을 사용하는 현재 트렌드를 탐구했습니다. 제안된 방법은 AraBERT, CAMeLBERT, AraElectra-SQuAD 및 AraElectra(생성기/판별기)에서 다양한 변환기 및 의미 임베딩 모델을 사용했습니다. 평가에는 두 개의 데이터 세트가 사용되었습니다: 하나는 398개의 질문이 포함된 데이터 세트이고, 다른 하나는 아랍어 위키피디아에서 수집한 1395개의 질문과 365,568개의 문서가 포함된 데이터 세트입니다. 신뢰도 및 유사성 지표를 사용하여 수작업으로 작성된 질문과 전체 질문 세트를 평가하는 다양한 실험 작업이 수행되었습니다. 우리의 실험 결과는 변환기 아키텍처의 힘과 추출적 챗봇을 결합하면 아랍어 질문에 더 정확하고 맥락적으로 관련된 답변을 제공할 수 있음을 보여줍니다. 구체적으로, 우리의 실험 결과는 AraElectra-SQuAD 모델이 다른 모델들보다 일관되게 우수한 성능을 발휘했음을 보여주었습니다. 첫 번째 데이터 세트에서 평균 신뢰도 점수는 0.6422, 유사성 점수는 0.9773을 달성하였고, 두 번째 데이터 세트에서 평균 신뢰도 점수는 0.6658, 유사성 점수는 0.9660을 달성하였습니다. 이 연구는 AraElectra-SQuAD가 주목할 만한 성능, 높은 신뢰도 및 견고성을 보여주어 아랍어 챗봇의 자연어 처리 작업에 대한 실용적 응용 가능성을 강조합니다. 이 연구는 언어 변환기가 더욱 향상되어 아랍어 사용자를 위한 전문 챗봇, 가상 비서 및 정보 검색 시스템과 같은 다양한 작업에 사용될 수 있음을 제안합니다.
Alruqi 외 (수요일)는 이 질문을 연구했습니다.