Jeevansathi недавно провела Hack Day, в ходе которого разработала базовую модель Contextual Smart Reply с машинным обучением для этого мероприятия с целью улучшения и включения ее в нашу платформу чата в ближайшем будущем.
День взлома - это, как правило, запланированное мероприятие, которое бизнес или общественная организация проводит внутри страны для совместной работы своей команды. Они могут быть посвящены различным программным проектам, усовершенствованиям процессов или систем, корпоративным ИТ-приложениям и даже аппаратным компонентам в течение определенного периода времени.
Контекстный умный ответ
Модель интеллектуального ответа генерирует предложения ответа на основе сообщений чата. Предложения предназначены для контекстно-релевантных ответов в одно касание, которые помогают пользователю легко ответить на входящее сообщение.
Строительные блоки
1.Tensor Flow
2. NLTK
3. Python
4. Java
5. XMPP
6. Клиентское приложение
Процесс
- Загрузка текстовых сообщений для понимания модели обучения данных (файл намерений JSON).
- Загрузив файл намерений JSON, мы начали систематизировать наши документы, слова и классы классификации.
- Преобразуйте документы слов в тензоры чисел.
- Построение нейронных сетей с использованием NLP и Tensor Flow
- Определение модели и начало обучения.
- Разрешить клиентскому приложению взаимодействовать с XMPP
- XMPP будет предоставлять данные по строфам.
Рабочий процесс
Модель умного сообщения
- Обработка данных (слово в тег), т.е. токенизация, стемминг
- Word2Vector формирование для генерации ввода / вывода
- Создание модели DNN (5-ти слойная)
- Новое предложение очищено и сопоставлено, чтобы найти тег через модель
- Тег, который используется для создания 2–3 ответов на основе более высокого балла
Диаграмма потока
Команда
Мы выбрали двух инженеров по приложениям, трех внутренних инженеров и одного инженера по обеспечению качества, чтобы разбить проблему на более мелкие логические единицы, над которыми они будут работать, и интегрировать ее с помощью запланированного контракта.
Это была прекрасная возможность собрать команду для совместной работы над решением проблемы и наблюдения за развитием идей и результатов.
Это была ситуация, когда вы с энтузиазмом работаете с новыми людьми в определенный день, пытаясь решить проблему и достичь конечной цели, делая все это довольно интенсивным. Это позволило нам создать прочную связь, учиться на сильных сторонах друг друга и научиться работать с членами команды, с которыми вы еще не работали. Это означает, что наряду с сильными идеями ему также необходимы хорошие коммуникативные навыки.
Результат
Мы успешно создали прототип Smart Reply, функцию для чата от Jeevansathi, которая использует машинное обучение, чтобы предлагать ответы в чате. Этот прототип с небольшими улучшениями и более подготовленными данными со временем станет основой для функции интеллектуального ответа Дживансати.
Ключом к этой работе является уверенность и доверие, которые люди будут нам оказывать, когда они используют функцию интеллектуального ответа и помогают пользователям легко вести беседы, показывая им предложения.