- O chatbot deve responder a solicitações realizadas em um chat privado
- O comando
!source
retorna um link para o repositório onde está o código-fonte do chatbot. - O comando
!author
retorna o nome e e-mail do autor do chatbot. - O chatbot deve responder educadamente com a informação requisitada.
Entregas:
- Chatbot executando em background em sua VM. Se precisar, use o
nohup
ou oscreen
para deixar o bot executando mesmo quando você não estiver - No github, deve haver um
README.md
que explica como rodar o servidor localmente. - O arquivo
README.md
deve linkar para outro arquivo,ensaio_0.md
, no qual cada aluno explica como foi o processo de fazer o chatbot (como foi o plano, que dificuldades foram encontradas, quais foram as fontes consultadas, como foi a interação com chatGPT, se houver, etc.). O formato doensaio_0.md
é livre, e pode ser tanto um ensaio propriamente dito quanto uma tabela.
Avaliação:
- 100%: o chatbot e os arquivos de texto cumprem todos os requisitos
- 0%: faltam requisitos a serem cumpridos
Deadline: 17/fevereiro
Parte 1: Chatbot faz pequenos queries em um serviço externo como mapa, clima, bolsa de valores, etc.
- O chatbot deve cumprir todos os requisitos da entrega anterior, com as adições colocadas aqui.
- Chatbot recebe comandos do tipo:
!run xxx xxx xxx
, em quexxx
são parâmetros relevantes. - O chatbot deve reconhecer, usando regex, se os argumentos
xxx
não são válidos. - O chatbot deve responder a um comando
!help
explicando como usar o comando!run
e explicitando de onde vêm os dados (exemplo:!help
retorna!run nome_da_cidade: retorna a temperatura atual na cidade - dados fornecidos pelo site www.meusitedeclima.com.br
). - Cada aluno deve escolher alguma operação que faça sentido para algum caso de aplicação.
Entregas:
- Chatbot executando em background em sua VM. Se precisar, use o
nohup
ou oscreen
para deixar o bot executando mesmo quando você não estiver - No github, deve haver um
README.md
que explica como rodar o servidor localmente. - O arquivo
README.md
deve linkar para outro arquivo,ensaio_1.md
, no qual cada aluno explica como foi o processo de fazer essa etapa, com as mesmas diretrizes anteriores, e especialmente explicando seu caso de uso (ou seja: quem seria, hipoteticamente, seu usuário-alvo?). O formato doensaio_1.md
é livre, e pode ser tanto um ensaio propriamente dito quanto uma tabela.
Avaliação:
- 100%: o chatbot e arquivos de texto cumprem todos os requisitos
- 90%: cumpre todos os requisitos exceto pela justificativa do caso de uso
- 50%:
!run
e!help
foram implementados, mas oensaio_1.md
está incompleto. - 0%: o comando
!run
não faz consultas a um servidor externo ou o!help
não foi implementado
Deadline: 5/março
- Chatbot deve poder receber comandos do tipo
!crawl xxx
, ondexxx
é uma URL. Ele deve então adicionar o conteúdo da URL em seu banco de dados, e começar um processo de crawling à partir daí. - O chatbot deve receber comandos
!search xxx
, em que o usuário busca por um termo ou conceito. A resposta deve ser buscada usando um índice invertido. - O chatbot deve receber comandos
!wn_search xxx
, em que faz uma busca por todos os documentos armazenados, usando um índice de semelhança ligado à Wordnet, isto é, o sistema pode buscar por termos semelhantes.
Entregas:
- Chatbot executando em background em sua VM. Se precisar, use o
nohup
ou oscreen
para deixar o bot executando mesmo quando você não estiver - No github, deve haver um
README.md
que explica como rodar o servidor localmente. - O arquivo
README.md
deve linkar para outro arquivo,ensaio_2.md
, no qual cada aluno explica como foi o processo de fazer essa etapa, com as mesmas diretrizes anteriores. O formato doensaio_2.md
é livre, e pode ser tanto um ensaio propriamente dito quanto uma tabela.
Avaliação:
- 100%: o chatbot e arquivos de texto cumprem todos os requisitos
- 50%:
!search
e!wn_search
foram implementados, mas oensaio_2.md
está incompleto. - 35%: somente um entre
!search
e!wn_search
foi implementado. - 25%:
!crawl
foi implementado, mas não guarda os dados em um banco de dados. - 15%:
!crawl
foi implementado, mas não apenas baixa uma página. - 0%: o comando
!run
não faz consultas a um servidor externo ou o!help
não foi implementado
Deadline: 24/março
- As páginas que foram colocadas no banco de dados usando
!crawl
passam a ser classificadas de acordo com seu sentimento, onde-1
é o "mais negativo" e1
é o "mais positivo". Os usuários podem optar por filtrar as buscas por sentimento usando!search xxx th=0.3
ou!wn_search xxx th=0.3
.
Entregas:
- Chatbot executando em background em sua VM. Se precisar, use o
nohup
ou oscreen
para deixar o bot executando mesmo quando você não estiver - No github, deve haver um
README.md
que explica como rodar o servidor localmente. - O arquivo
README.md
deve linkar para outro arquivo,ensaio_3.md
, no qual cada aluno explica como foi o processo de fazer essa etapa, com as mesmas diretrizes anteriores. O formato doensaio_3.md
é livre, e pode ser tanto um ensaio propriamente dito quanto uma tabela.
Avaliação:
- 100%: o chatbot e arquivos de texto cumprem todos os requisitos
- 50%: a funcionalidade
th=xxx
foi implementada usando um classificador baseado em dados, mas oensaio_3.md
está incompleto. - 10%: a funcionalidade
th=xxx
foi implementada usando regras projetadas manualmente. - 0%: a funcionalidade
th=xxx
não foi implementada
Deadline: 14/abril
- O chatbot deve responder à query
!generate xxx
que faz uma busca estilo!search
pelo termoxxx
e retorna uma frase gerada à partir dos textos.
Entregas:
- Chatbot executando em background em sua VM. Se precisar, use o
nohup
ou oscreen
para deixar o bot executando mesmo quando você não estiver - No github, deve haver um
README.md
que explica como rodar o servidor localmente. - O arquivo
README.md
deve linkar para outro arquivo,ensaio_4.md
, no qual cada aluno explica como foi o processo de fazer essa etapa, com as mesmas diretrizes anteriores. O formato doensaio_4.md
é livre, e pode ser tanto um ensaio propriamente dito quanto uma tabela.
Avaliação:
- 100%: o chatbot e arquivos de texto cumprem todos os requisitos
- 50%: o gerador foi implementado usando uma rede neural recorrente e estratégias de busca não-triviais (ex: beam-forming)
- 30%: o gerador foi implementado usando uma rede neural não-recorrente e embedding e estratégias de busca não-triviais (ex: beam-forming)
- 10%: o gerador foi implementado usando estratégias esparsas (n-gramas) ou estratégias de busca triviais (sorteio simples)
- 0%: o gerador não foi implementado
Deadline: 12/maio
- O chatbot usa a API do GPT-3 para realizar ao menos uma das tarefas anteriores.
Entregas:
- Chatbot executando em background em sua VM. Se precisar, use o
nohup
ou oscreen
para deixar o bot executando mesmo quando você não estiver - No github, deve haver um
README.md
que explica como rodar o servidor localmente. - O arquivo
README.md
deve linkar para outro arquivo,ensaio_5.md
, no qual cada aluno explica como foi o processo de fazer essa etapa, com as mesmas diretrizes anteriores. O formato doensaio_5.md
é livre, e pode ser tanto um ensaio propriamente dito quanto uma tabela.
Avaliação:
- 100%: o chatbot e arquivos de texto cumprem todos os requisitos
- 50%: a funcionalidade foi implementada corretamente
- 0%: a funcionalidade não foi implementada
Deadline: 26/maio