Entwicklung eines Chatbots für Rezept- Empfehlungen [MI Wiki]

Zuletzt angesehen:

Bereiche

Hot Links

Impressum

Diese Seite ist nicht editierbar. Sie können den Quelltext sehen, jedoch nicht verändern. Kontaktieren Sie den Administrator, wenn Sie glauben, dass hier ein Fehler vorliegt.

====== Entwicklung eines Chatbots für Rezept- Empfehlungen ======

---- dataentry StudentischeArbeit ----
Thema                                  : Entwicklung eines Chatbots für Rezept- Empfehlungen # 
Art_thesistypes                        : BA # 
BetreuerIn_thesisadvisor               : David Elsweiler, Bernd Ludwig # 
BearbeiterIn                           : Claudia Schönherr # 
ErstgutachterIn_thesisprofessor        : David Elsweiler # 
ZweitgutachterIn_secondthesisprofessor : Niels Henze # 
Status_thesisstate                     : in Bearbeitung # 
Stichworte_thesiskeywords              : Chatbot, Recommender System, Rezepte # 
angelegt_dt                            : 2020-01-24 # 
Anmeldung_dt                           :  # 
Antrittsvortrag_dt                     : 2020-02-18 # 
Abschlussvortrag_dt                    :  # 
Abgabe_dt                              :  # 
Textlizenz_textlicense                 :  # #Lizenz|##
Codelizenz_codelicense                 :  # #Lizenz|##
----


=== Hintergrund ===

Chatbots gewinnen an Beliebtheit und kommen zunehmend zum Einsatz. Betriebe erstellen
Conversational Agents, um Geld bei der Interaktion mit Kunden zu sparen. In Bezug auf den Kontakt
mit Firmen bevorzugen Nutzer Bots anstatt Apps vor allem bei der Beantwortung von simplen
Fragen, da sie nichts zusätzlich downloaden müssen. Immer mehr Instant-Messaging-Dienste wie
Facebook Messenger, Telegram und Whatsapp bieten die Möglichkeit, Chatbots für Nutzer
bereitzustellen und zu erstellen. Unterschiedliche Bereiche benötigen andere Informationen. Bei der
Rezeptsuche sind zum Beispiel Zutaten und Rezepttitel hilfreich. Für einen Movie Recommender
hingegen ist diese Auskunft unrelevant.

Im Vordergrund steht die Entwicklung des Chatbots „Telefood“ für Rezept-Empfehlungen. Der Food
Recommender soll als Grundgerüst für weitere Abschluss- oder Seminarbeiten fungieren. Unter
anderem könnten beispielsweise unterschiedliche Konversationsstrategien verfolgt oder gesündere
Rezeptalternativen empfohlen werden, um das Verhalten der Nutzer zu untersuchen. Durch ständige
Weiterentwicklung soll der Bot zukünftig für „echte“ User verwendbar sein.

=== Zielsetzung der Arbeit ===

Im Rahmen der Bachelorarbeit wird der Chatbot „Telefood“ entwickelt und evaluiert. Aus einem
vordefinierten Pool an Antworten werden Fragen zufällig ausgewählt, die ein Nutzer beantworten
soll. Nach Erfüllung einer bestimmten Anzahl an Kriterien wie beispielsweise Titel, Dauer und
Zutaten, bekommt der User auf Anfrage ein Rezept als Empfehlung. Die API des Instant-Messaging-
Dienstes Telegram wird zur Erstellung des Chatbots genutzt. Die Konversation folgt dabei einem
Framework von Barko-Sherif, Elsweiler und Harvey (2020). Eine modulare Systemarchitektur wird
verwendet, damit Komponenten leichter verändert oder hinzugefügt werden können.

=== Konkrete Aufgaben ===

- Recherche relevanter Literatur
- Implementierung des Chatbots
- Evaluation des Chatbots
- Ausarbeitung der Arbeit

=== Erwartete Vorkenntnisse ===

- Python Programmierkenntnisse
- Umgang mit Datenbanken

=== Weiterführende Quellen ===

Barko-Sherif, S., Elsweiler, D. & Harvey, M. (2020). Conversational Agents for Recipe
Recommendation. In: Proceedings of the 2020 Conference on Human Information Interaction and
Retrieval. ACM.

BRAIN [BRN.AI] White Label Chatbots. (2018, 17. März). Chatbot Report 2018: Global Trends and
Analysis. Abgerufen am 22. Januar, 2020, von https://chatbotsmagazine.com/chatbot-report-2018-
global-trends-and-analysis-4d8bbe4d924b

Frummet, A., Elsweiler, D. & Ludwig, B. (2019). Detecting domainspecific information needs in
conversational search dialogues. In: Proceedings of the 3rd Workshop on Natural Language for
Artificial Intelligence.

Radlinski, F. & Craswell, N. (2017). A Theoretical Framework for Conversational Search. In:
Proceedings of the 2017 Conference on Conference Human Information Interaction and Retrieval.
New York: ACM.

Trattner, C. & Elsweiler, D. (2017). Food Recommender Systems: Important Contributions, Challenges
and Future Research Directions.

arbeiten/entwicklung_eines_chatbots_fuer_rezept-_empfehlungen.txt · Zuletzt geändert: 29.01.2020 17:42 von Alexander Bazo

Seite anzeigen Ältere Versionen Medien-Manager

Letzte Änderungen Links hierher Nach oben