'

Sherlock Chatbot permite diseñar, construir y entrenar asistentes conversacionales potenciados por el Grafo de Conocimiento de una organización, para establecer diálogos con humanos en sus ámbitos conversacionales: call-center, salud, financieros, etc.

Asistente conversacional basado en Grafo de Conocimiento

Un Grafo de Conocimiento es la fuente de datos ideal para la construcción de un asistente conversacional (Chatbot) que sea capaz de responder a preguntas complejas relacionados con un ámbito conversacional o de conocimiento. Un Grafo de Conocimiento permite operar de manera eficaz sobre las relaciones de los datos y entidades de dicho ámbito. Dichas relaciones estarán implícitas en las intenciones y entidades de las preguntas de las personas, en cuanto éstas acumulen un mínimo de complejidad.

Asistente conversacional basado en Grafo de Conocimiento -- Basado en Grafo de conocimiento

Respuestas que preservan el contexto de la conversación

Además de dar respuesta a sus preguntas, el asistente debe ser capaz de dialogar con una persona mediante información contextual adecuada a su primera demanda para que la conversación pueda progresar con sentido en términos humanos.

Un Grafo de Conocimiento permite la realización de consultas complejas e interacciones con los datos no administradas a priori, lo que en la práctica significa que la conversación puede adaptarse ágilmente a caminos imprevistos.

Respuestas que preservan el contexto de la conversación -- Conversaciones contextualizadas

La expresividad del Grafo de Conocimiento permite la realización de todo tipo de consultas, predefinidas o no, acerca de las relaciones entre sus datos y entidades y es la que dota a la conversación de esta agilidad; por otro lado, su extensibilidad posibilita su ampliación ontológica y, en consecuencia, la incorporación orgánica de nuevas entidades o datos sin necesidad de refactorizar un esquema de base de datos predefinido. Esta cualidad de los grafos posibilita la ampliación de los ámbitos conversacionales con un esfuerzo reducido.

Diálogo adecuado a la intención

Sherlock Chatbot genera las respuestas y las proyecta en un diálogo adecuado a la intención y entidades identificadas. Lo hace sobre la base, tanto del entrenamiento recibido, como del aprendizaje que es capaz de desarrollar a partir de la actividad con sus interlocutores humanos y de la retroalimentación sobre su comportamiento de la que éstos le proveen.

Diálogo adecuado a la intención -- Diálogo adecuado a la intención

Los ámbitos conversacionales inherentes a un grafo de conocimiento se definen en Sherlock Chatbot por medio de intencionesentidades y diálogos. Así, un asistente es capaz de traducir las frases en lenguaje natural a lenguaje SPARQL, tras analizar la intención y entidades de la pregunta del usuario mediante técnicas Natural Language Understanding (NLU), dentro de uno o más ámbitos en los que el grafo haya sido  ha sido entrenado.

Por entrenamiento debe entenderse el conjunto de procesos que posibilita la incorporación del conocimiento experto que caracteriza un ámbito conversacional al marco general para la construcción de asistentes que provee Sherlock Chatbot. En la práctica, se trata de formar a Sherlock Chatbot en el Grafo de Conocimiento de un ámbito conversacional dado.

SPARQL es el estándar W3C para el lenguaje de interrogación de grafos RDF. Permite, mediante expresiones más breves y claras que las que provee el lenguaje relacional SQL, la ejecución de consultas que relacionen múltiples entidades y sus datos, lo que lo convierte en un método ideal para traducir a un lenguaje informático de consultas a base de datos las preguntas de lenguaje natural que impliquen a varias entidades y sus relaciones, que son, precisamente, el tipo de preguntas que realizamos los humanos y a las que un asistente debe responder.