Multi Respon Ranking Pada Percakapan Layanan Travel Berdasarkan Riwayat Obrolan

Membangun sebuah chatbot tidak lepas dari basis pengetahuan. Basis pengetahuan bisa diperoleh dari data yang telah diberi label oleh pengembang, dokumen yang telah di konversi menjadi pre-processing data, atau informasi yang diambil dari media sosial. Dalam hal ini, data yang digunakan sebagai pengetahuan adalah riwayat obrolan. Dialam riwayat obrolan tersebut tentu banyak sekali variasi jawaban dan menungkinkan satu pertanyaan menimbulkan banyak jawaban. Untuk mengatasi multi respon tersebut maka dibuatlah pemeringaktan respon. Adanya pemeringkatan, tentu respon yang diinginkan oleh pengguna akan lebih sesuai. Tantangan dalam pemeringkatan adalah bagaimana mendapatkan inti dari sebuah pertanyaan dan menemukan pasangan tanya jawab dari data. Hal tersebut bisa diselesaikan dengan model sequence to sequence. Namun, permasalahan yang akan muncul adalah konsistensi jawaban. Adanya banyak riwayat obrolan dari layanan travel tentu menimbulkan banyak jawaban mesi inti dari pertanyaan adalah sama. Untuk itu Algoritma CNN sebagai solusi untuk permasalahan tersebut. Penelitian ini menggunakan convolutional sequence to sequence yang akan diterapkan untuk respon ranking. Kami memandingkan efisiensi dari model ini. Dengan melakukan perbandingan, model ini menunjukan hasil akurasi sebesar 86.7%