Представляем базу знаний с Кателлой
Мы в katella.ai верим в силу данных. Наша миссия - связать и упростить транзакции и перемещение данных между вашими корпоративными приложениями. Кателла может запрашивать информацию в реальном времени из этих приложений, но часто информация, подобранная человеком, является лучшей информацией. Имея это в виду, я хотел бы представить приложение База знаний для Кателла.
Зачем создавать базу знаний?
Повысьте уровень самообслуживания - сегодня вы можете попросить Кателлу найти коллегу, назначить встречи, которые подходят каждому графику, или сообщить вам, кого нет в офисе. База знаний дополняет возможности самообслуживания, предоставляя ответы на часто задаваемые вопросы и вопросы и ответы вашей команды через один и тот же простой в использовании интерфейс на естественном языке.
Легкий и доступный - Confluence, Документы Google медленные, тяжелые и не совсем доступные. Нам нужно легкое, постоянно работающее и готовое к работе решение для заметок.
Улучшенный поиск - с развитием обработки естественного языка и машинного обучения мы можем попытаться улучшить поиск.
Более богатый контент. У Кателлы есть данные из приложений HR, Calendar и Productivity, поэтому мы можем добавлять релевантную информацию в контент, обеспечивая богатый и согласованный пользовательский интерфейс.
Как работает База знаний по Кателле?
Используйте Katella, чтобы добавить сценарий программирования, вопросы и ответы, мелочи команды, политику компании,… вещи, которыми вы хотите поделиться с командой.
Добавьте заметку, поговорив с Кателлой в Slack, что-нибудь вроде «добавить заметку» или «создать статью». Вы можете использовать форматирование Slack (полужирный, курсив, выделение синтаксиса…) для украшения статьи:
Кателла поставляется с нашим языком выражений, позволяющим ссылаться на переменные с помощью скобок {}. Мы активно используем его для развития навыков, но в контексте Базы знаний вы можете получить имя и адрес электронной почты текущего зрителя, используя {user.name} и {user.email} , чтобы создать более личную заметку.
Вставленные статьи будут проиндексированы и сразу же станут доступны для поиска всей вашей командой:
Многие базы знаний используют эластичный поиск, и в большинстве случаев этого достаточно. Мы хотим использовать наши ноу-хау в области обработки естественного языка и сделать еще один шаг вперед. Каждая статья сначала проходит через наш конвейер НЛП, который посредством обучения может аннотировать контент сущностями (людьми, электронными письмами, офисами ...) до того, как будет проиндексирован в Elastic Search. На то есть две причины:
а) Точность - регулярный поиск в Elastic по запросу «срок выполнения в мае» дает равный вес месяцу мая и майу человека. С аннотациями и контекстом НЛП Кателла знает, что мы ищем месяц, поэтому дает небольшое повышение приоритета документам с маем в качестве месяца.
б) Автоматически дополнять данные… 😮 другими подключенными приложениями Кателлы. Обратите внимание на то, что в моей статье просто случайно упоминается Дженнифер Колдуэлл. Если у меня включено приложение BambooHR (или Namely), информация о Дженнифер будет автоматически добавлена в статью:
Через наш веб-интерфейс вы можете быстро добавить несколько статей. Также здесь вы можете дополнительно расширить возможности поиска с помощью вопросов на естественном языке. Например, если ваша статья посвящена «Дню выплаты», введите запрос «когда придет мой чек?» не обязательно соответствует статье (если в статье нигде не упоминается «проверить»). Но, обучая Кателлу с помощью человеческих вопросов, таких как «когда я могу ожидать первый платежный чек» или «где моя расчетная ведомость?», Статистический анализ поможет сопоставить похожие предложения на естественном языке.
Вы можете получить довольно хорошее совпадение примерно после 4–5 примеров предложений (ожидайте лучших результатов в будущем, поскольку мы постоянно настраиваем наш алгоритм).
Что нас ждет?
За кулисами Кателла использует машинное обучение, чтобы классифицировать несовпадающие предложения, а также объединять неизвестные вопросы в кластеры. При наличии достаточного количества данных в нашем следующем выпуске будет реализована интеллектуальная маршрутизация, которая позволит каждой функциональной группе отвечать на вопросы своих отделов (например, направлять вопросы об оборудовании / программном обеспечении ИТ-команде) прямо из Slack. Алгоритм кластеризации поможет найти один ответ на несколько вопросов, упростив ввод данных и предотвратив дублирование. Возможность помечать заметки как личные или только для чтения также запланирована в следующем выпуске.
