Чат-бот для ответов на вопросы

Нейронная сеть классифицирует вопросы в соответствии с базой ответов и дает соответствующий ответ.

Коротко о проекте

Для ответов на наиболее часто задаваемые вопросы в служебном мессенджере очень крупной компании требуется чат-бот. Имеется база наиболее часто задаваемых вопросов и ответы на них. Предоставленная база вопросов составила всего 6000 экземпляров, при необходимости классифицировать их по 300 ответам.

Клиент

Под NDA

 

Сфера

Startups

Срок

3 недели

О клиенте

Клиент – очень крупная компания.  Сотрудники этой компании очень часто задают вопросы в служебном мессенджере о карьерном росте, корпоративных бонусах и т.п (всего порядка 300 вопросов). Принято решение автоматизировать ответы на подобные вопросы с помощью чат-бота. Клиент обратился к Estesis, как к специалисту по машинному обучению.

Задача

Клиент поставил задачу создать чат-бота для корпоративного мессенджера. От чат-бота требуется классифицировать задаваемые сотрудниками вопросы и давать, в соответствии с ними, один из 300 ответов.

Важно, чтобы ответы максимально соответствовали задаваемым вопросам – запрашиваемая точность 93%.

Порядок работы решения:

Вопрос

Сотрудник пишет чат-боту интересующий его вопрос

Классификация

Вопрос распознается и соотносится с одним из классов

Ответ

Чат-бот даёт ответ, в соответствии с определенным классом

Решение

Технологии и инструменты:

Разработана система, с ML-ядром в основе, отвечающая на вопросы пользователей. Созданный чат бот встраивается в рабочий мессенджер компании.

Обучающая выборка представляла собой всего 6000 вопросов – этого объема данных было мало для качественного обучения модели.  В связи с этим, команде Estesis потребовалось провести аугментацию текстов. Аугментация – это построение дополнительных данных из исходных для решении задач связанных с машинным обучением. 

Команда Estesis провела аугментацию вопросов из предоставленной базы и качественно увеличила базу на 40%.

Выполнение аугментации текстов позволило более качественно обучить модель и достигнуть требуемой точности решения.

Реализовано:
Команда проекта:

ML-модуль

Технологии и инструменты:

Технологии: Python, Pytorch.
База данных: PostgreSQL.
Инструменты: Docker, Click Up.

1
классов используются для распределения вопросов
1
% - достигнутая точность решения
0.1
% - увеличение выборки
1
недели заняло построение решения

Результат

Нейронная сеть классифицирует задаваемые вопросы в соответствии с базой ответов и дает пользователю соответствующий ответ. Accuracy полностью удовлетворила требованиям заказчика.

Artificial intelligence solutions!

Решения с ML, HighLoad проекты и RnD на благо вашего бизнеса.

В нашей команде есть ученые с мировым именем в области науки о данных, более 25 научных публикаций, 3 инновационных продукта прошли государственную регистрацию.

Руководители проектов готовы работать с вами на русском, английском и китайском языках.

    Заполните форму для связи с нами

    В течении суток с Вами свяжется менеджер.

    Registration

    Forgotten Password?