Побудова інтелектуального програмного агента для пошуку інформації у чат-боті

Abstract

АНОТАЦІЯ Архіпов Максим Олександрович Побудова інтелектуального програмного агента для пошуку інформації у чат-боті 121 – Інженерія програмного забезпечення Черкаський державний технологічний університет Черкаси, 2024 У магістерській роботі представлено розробку інтелектуального програмного агента для пошуку інформації у чат-боті з використанням методів пошуку, орієнтованих на сучасні технології. Основна увага приділена реалізації Retrieval-Augmented Generation системи, яка інтегрується з платформою Slack для забезпечення зручного інтерфейсу користувача. У роботі досліджено сучасні підходи до побудови систем інформаційного пошуку, обґрунтовано вибір технологій Python, ChromaDB та FastAPI, а також визначено переваги використання векторної бази даних для зберігання й обробки користувацьких документів. Було розроблено ефективну архітектуру програмної системи, яка включає підтримку адміністративних функцій для оновлення бази знань та інтеграцію з NLP-моделями для підвищення точності відповідей. Проведено серію експериментів, спрямованих на оцінку впливу метаданих на функціонування системи, зокрема, її швидкодію, точність відповідей, адаптивність до змін бази знань та зручність для кінцевих користувачів. Результати підтвердили ефективність впроваджених методів, що дозволило забезпечити високу якість роботи системи. Розроблена система має високу надійність, масштабованість та зручність у використанні. Вона може застосовуватись у різних доменах для інтеграції з корпоративними чи освітніми середовищами, забезпечуючи користувачів швидким та точним доступом до релевантної інформації.

ABSTRACT Arkhipov Maksym Oleksandrovich Building an intelligent software agent for searching information in a chatbot 121 – Software Engineering Cherkasy State Technological University Cherkasy, 2024 The master's thesis presents the development of an intelligent software agent for information retrieval in a chatbot using search methods oriented towards modern technologies. The primary focus is on the implementation of the Retrieval-Augmented Generation system, which integrates with the Slack platform to provide a convenient user interface. The work investigates contemporary approaches to building information retrieval systems, justifies the choice of technologies such as Python, ChromaDB, and FastAPI, and defines the advantages of using a vector database for storing and processing user documents. An efficient software architecture was developed, which includes support for administrative functions to update the knowledge base and integration with NLP models to improve the accuracy of responses. A series of experiments were conducted to evaluate the impact of metadata on the system's performance, particularly its speed, response accuracy, adaptability to changes in the knowledge base, and user-friendliness. The results confirmed the effectiveness of the implemented methods, ensuring high-quality system performance. The developed system demonstrates high reliability, scalability, and ease of use. It can be applied in various domains for integration with corporate or educational environments, providing users with fast and accurate access to relevant information.