A conceptual modeling approach for the rapid development of chatbots for conversational data exploration

A chatbot is a a conversational software agent able to interact with user through natural language, using voice or text channels and trying to emulate human-to-human communication. This Thesis presents a framework for the design of Chatbots for Data Exploration. With respect to conversational virtual assistants (such as Amazon Alexa or Apple Siri), this class of chatbots exploits structured input to retrieve data from known data sources. The approach is based on a conceptual representation of the available data sources, and on a set of modeling abstractions that allow designers to characterize the role that key data elements play in the user requests to be handled. Starting from the resulting specifications, the framework then generates a conversation for exploring the content exposed by the considered data sources. The contributes of this Thesis are: a characterization of Chatbots for Data Exploration, in terms of requirements and goals that must be satisfied when designing these agents; a methodology to design chatbots which poses the attention on some notable data elements, along with a technique to generate conversational agents based on annotations made directly on the schema of the data source; an architecture for a framework supporting the design, generation and execution of these chatbots exploiting state-of-art technologies; a prototype of the framework integrating different technologies for chatbot deployment. The Thesis also reports on some lessons learned that we derived from a user study that compared the user performance and satisfaction with a chatbot generated with our framework to the performance and satisfaction of the same users when interacting the basic SQL command line.

Il chatbot è un agente informatico capace di interagire con l'utente attraverso il linguaggio naturale, utilizzando canali vocali o testuali, nel tentativo di emulare la comunicazione tipica dell'uomo. Questa Tesi descrive un framework per il design di Chatbot per l'Esplorazione di Dati. Rispetto agli assistenti virtuali (come per esempio Alexa di Amazon o Siri di Apple), questa classe di chatbot sfrutta richieste strutturate per estrarre dati da specifiche sorgenti dati. L'approccio è basato su un insieme di astrazioni concettuali che permettono ai progettisti di specificare il ruolo che alcuni elementi della base di dati assumeranno nelle future richieste dell'utente. Sulla base di queste specifiche, il framework genera dunque una conversazione per l'esplorazione di tali dati. I contributi di questa Tesi sono: una caratterizzazione dei Chatbot per l'Esplorazione di Dati, con particolare attenzione ai requisiti e agli obiettivi da considerare durante la loro progettazione; una metodologia per progettare tali chatbot che privilegia la tipologia e il ruolo degli elementi che i dati rappresentano, oltre a una tecnica per la generazione di agenti conversazionali basata su annotazioni effettuate direttamente sullo schema dell base di dati; l'architettura di un framework in grado di supportare la progettazione, la generazione e l'esecuzione di questi chatbot usando tecnologie allo stato dell'arte; un prototipo di questo sistema che integra tecnologie innovative. La Tesi inoltre discute alcune implicazioni sul design di Chatbot per l'Esplorazione dei Dati che derivano da quanto osservato in uno studio con gli utenti. Lo studio ha confrontato le prestazioni e la soddisfazione di un campione di utenti che ha interrogato un database di esempio usando un chatbot generato con il nostro framework e la linea di comando SQL.