Multi-level optimization of the conversational assistant using the Cognigy platform
| Thesis title: | Víceúrovňová optimalizace konverzačního asistenta s využitím platformy Cognigy |
|---|---|
| Author: | Dostálková, Štěpánka |
| Thesis type: | Diplomová práce |
| Supervisor: | Stanovská, Iva |
| Opponents: | Pijáčková, Kristýna |
| Thesis language: | Česky |
| Abstract: | Diplomová práce se zabývá komplexní optimalizací konverzačního asistenta s využitím platformy Cognigy. Cílem je zlepšit kvalitu uživatelských interakcí a zvýšit efektivitu řízení procesů. Na základě identifikace hlavních oblastí pro zlepšení je navrženo nové orchestrační flow, které zlepšuje rozpoznávání záměrů uživatelů a umožňuje efektivnější správu interakcí chatbota. Systém je základem pro budoucí optimalizace. Implementace pokročilých technik NLP, včetně DDS a RAG, a integrace jazykových modelů (LLM) pomáhají přesnějšímu těžení informací a formulování odpovědí. Navržený přístup přináší vyšší míru přizpůsobení uživatelským dotazům, větší variabilitu odpovědí a schopnost efektivně reagovat na komplexní otázky. Přínosem práce je příspěvek k rozvoji technologií pro konverzační asistenty a otevření nových cest pro budoucí výzkum v oblasti umělé inteligence a automatizované komunikace. |
| Keywords: | Cognigy; chatbot; RAG; LLM; NLP; Prompt Engineering |
| Thesis title: | Multi-level optimization of the conversational assistant using the Cognigy platform |
|---|---|
| Author: | Dostálková, Štěpánka |
| Thesis type: | Diploma thesis |
| Supervisor: | Stanovská, Iva |
| Opponents: | Pijáčková, Kristýna |
| Thesis language: | Česky |
| Abstract: | The thesis deals with the complex optimization of a conversational assistant using the Cognigy platform. The aim is to improve the quality of user interactions and increase the efficiency of process management. Based on the identification of the main areas for improvement, a new orchestration flow is proposed that improves the recognition of user intent and enables more efficient management of chatbot interactions. The system is the basis for future optimizations. The implementation of advanced NLP techniques, including DDS and RAG, and the integration of Language Learning Models (LLM) help to mine information and formulate responses more accurately. The proposed approach brings a higher degree of customization to user queries, greater variability in answers, and the ability to respond effectively to complex questions. The contribution of this work is to contribute to the development of technologies for conversational assistants and to open new avenues for future research in artificial intelligence and automated communication. |
| Keywords: | Cognigy; NLP; Prompt Engineering; RAG; chatbot; LLM |
Information about study
| Study programme: | Data a analytika pro business |
|---|---|
| Type of study programme: | Magisterský studijní program |
| Assigned degree: | Ing. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Informatics and Statistics |
| Department: | Department of Information Technologies |
Information on submission and defense
| Date of assignment: | 5. 12. 2024 |
|---|---|
| Date of submission: | 2. 5. 2025 |
| Date of defense: | 10. 6. 2025 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/90666/podrobnosti |
Files for download
Main text
Private file Download
Private file Download