Michele Basilico
Design, Implementation and Evaluation of a Chatbot for Accounting Firm: A Fine-Tuning Approach With Two Novel Dataset.
Rel. Luca Ardito. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2024
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract: |
L'intelligenza artificiale, con particolare riferimento ai Chatbot, sta trasformando radicalmente i paradigmi di apprendimento, comunicazione e lavoro. Questo fenomeno ha suscitato un crescente interesse nelle aziende, che vedono nei Chatbot un mezzo per ottimizzare i processi, migliorare l'assistenza ai clienti e fornire servizi sempre più efficienti. Il lavoro di tesi proposto si concentra sull'applicazione di tali strumenti nel settore legale, fiscale e commerciale al fine di soddisfare le esigenze di uno studio di commercialisti, dove la necessità di gestire un gran numero di domande e informazioni richiede soluzioni innovative. L'obiettivo della tesi è quindi quello di investigare, progettare, sviluppare e valutare un Chatbot che risulti essere in grado di fornire risposte rapide, efficaci e di qualità. Per raggiungere tale scopo, è stata condotta dapprima una analisi sullo stato dell'arte dei moderni Large Language Model Open-Source, seguita da un processo di fine-tuning per la specializzazione del modello di base. Infine, i risultati sono stati analizzati e confrontati con i modelli ad oggi disponibili sul mercato. Per rendere possibile il fine-tuning del modello, due nuovi Dataset sono stati realizzati ed introdotti: ADE, un dataset che contiene domande e risposte disponibili sul portale dell' "Agenzia Delle Entrate" ed ITACA, un dataset contenente domande e risposte generate sinteticamente utilizzando le informazioni fornite tramite articoli e documenti ufficiali. ITACA, in particolare, è stato realizzato attraverso un tool appositamente progettato ed implementato durante l'ambito del lavoro proposto, chiamato LLMDSGenerator. |
---|---|
Relatori: | Luca Ardito |
Anno accademico: | 2023/24 |
Tipo di pubblicazione: | Elettronica |
Numero di pagine: | 135 |
Soggetti: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering) |
Classe di laurea: | Nuovo ordinamento > Laurea magistrale > LM-32 - INGEGNERIA INFORMATICA |
Aziende collaboratrici: | NON SPECIFICATO |
URI: | http://webthesis.biblio.polito.it/id/eprint/31058 |
Modifica (riservato agli operatori) |