Chatbot mit Deep Learning für einen bekannten Messenger

KI-Algorithmen für ein natürliches Sprachverständnis

Ein internationaler Tech-Gigant wollte einen Chatbot für seinen Messenger entwickeln. Der Chatbot sollte Deep-Learning-Algorithmen verwenden, um Unterhaltungen über Sport führen zu können.

Problem

Der Kunde wollte Deep Learning für seinen Chatbot nutzen. Die Lösung sollte den Nutzern Zugriff auf Sportdaten ermöglichen, damit sie Videospiele effizienter spielen können.

Der Chatbot sollte Spielstände und Spielpläne, erweiterte Spielstatistiken und aktuelle Vergleiche der Spielerbewertungen liefern.

Lösung

chatbot-development-for-major-messenger-solutions

Der Bot analysiert Anfragen von Benutzern und versorgt sie mit allen Informationen über die Trends der Gaming-Community — welche Teams die Community am häufigsten diskutiert, welche Spieler diese Woche in Topform sind usw.

Kommunikations-Flow zwischen Benutzer und Bot:

Der Benutzer stellt eine Frage auf natürliche Weise wie „Wie hat John Smith 2015 gegen Rangers gespielt?“, „Wer ist besser: John Smith oder John Doe?“ oder „Mit wem soll ich diese Woche beginnen?“
Der Bot erkennt natürliche Sprachmuster und analysiert die Anfrage des Benutzers mit Microsoft Language Understanding Intelligent Service (LUIS). Von Microsoft Cognitive Services bereitgestellte KI-Algorithmen ermöglichen es dem Chatbot, dem Zusammenhang der Unterhaltung zu folgen und Freiformdialoge der natürlichen Sprache zu unterstützen.
Der Bot kommuniziert mit dem Web-Server des Spiels, um die notwendigen Informationen über Spieler, Teams, Spielpläne, Wetterbedingungen usw. zu sammeln.
Der Bot gibt dem Benutzer eine angemessene, detaillierte Antwort.

Der Chatbot nutzt Azure Bot Service, eine All-in-One-Plattform, die die Bot-Entwicklung beschleunigt, wobei es sich um einen integralen Teil des Microsoft Bot Frameworks handelt.

Die schnelle Reaktion (<10 ms) wird durch ein komplexes zweistufiges Caching-System garantiert, das aus Services wie Redis, Microsoft SQL Server, Azure Cosmos DB und Table Storage besteht. Cosmos DB, eine sehr reaktionsschnelle Datenbank, hilft bei der Verteilung der Daten über ein Netzwerk von regionalen Datenzentren, anstelle einer zentralisierten Speicherung. Wenn ein Fan beispielsweise aus Nordamerika oder Asien (Regionen mit den meisten Gaming-Fans) eine Frage stellt, verbindet sich der Chatbot immer mit dem nächsten Datenzentrum, um die niedrigste Ende-zu-Ende-Latenz sicherzustellen.

Dank seiner modularen Struktur kann der Chatbot schnell in andere Statistikspeichern/Datenbanken integriert und an andere Sportarten oder Bereiche angepasst werden.