Журнал электротехники и электронных технологий

Реализация разговорного ИИ в виде вопросно-ответной системы с использованием BERT

Арпита Гупта

Разговорный ИИ относится к взаимодействию пользователей через приложения для обмена сообщениями или виртуальных помощников. Такое общение через виртуальных агентов или чат-ботов предназначено для предоставления персонализированного пользовательского опыта. Взаимодействие чат-ботов осуществляется с помощью длинных сообщений, запросов или двустороннего взаимодействия с частной аудиторией. Реальная сила разговорного ИИ заключается в его способности обеспечивать высокоперсонализированное взаимодействие с огромным количеством клиентов в целом. В качестве бизнес-варианта использования разговорный ИИ может преобразовать традиционные способы общения, способствуя глубокому взаимодействию с пользователями. Одним из мощных приложений разговорного ИИ является система ответов на вопросы. Будь то виртуальный помощник или чат-бот, или любая система поддержки, разработанная любой компанией, модель ответов на вопросы играет решающую роль в предоставлении таких услуг. Автоматизированная система ответов на вопросы позволяет предприятию предоставлять своим пользователям более динамичный и персонализированный опыт. На практике человеку сложно ответить на все вопросы, задаваемые пользователями, одновременно. Если кто-то захочет это сделать, потребуется больше ресурсов для взаимодействия с клиентами для решения их проблем в предлагаемых услугах или продуктах. Автоматизированная система ответов на вопросы не только экономит много времени, но и является эффективным инструментом для понимания потребностей клиентов и их поведения. Общая архитектура процесса ответов на вопросы заключается в получении ввода от пользователей, анализе запросов, поиске информации из базы данных, извлечении наиболее подходящего ответа и последующем выводе желаемого ответа. Это не так просто, как кажется. Почему? Это связано с несколькими проблемами, возникшими во время моделирования. На этом занятии мы обсудим несколько проблем, с которыми пришлось столкнуться при проектировании системы ответов на вопросы, таких как доступность данных, качество данных, их интерпретируемость и языковой барьер. Хотя для проектирования наиболее эффективной системы ответов на вопросы были внедрены алгоритмы Serval, BERT превзошел все. Мы обсудим, как представление двунаправленного кодировщика из алгоритма Transformer[2] помогает решать упомянутые проблемы и предоставлять дополнительное решение. В этом руководстве основное внимание будет уделено проектированию модели ответов на вопросы с использованием любимого инструмента человека для общения: обработки естественного языка. Для этого занятия я буду предполагать знакомство с основными терминами обработки естественного языка и Python. Основная часть доклада будет посвящена внедрению BERT для проектирования вопросно-ответной модели и методам извлечения признаков из данных.