Baza technologii

Opis technologii / usługi

BigData Chatbot to narzędzie, które za pomocą chatbota wyszukuje dokumenty w zaawansowany sposób. Chatbot sam zbiera wiedzę z dokumentów firmowych. W praktyce jest możliwość przesyłania do chatbota różnych dokumentów, na podstawie których on by się uczył. Dzięki temu jest możliwość zadawania mu różnych pytań i otrzymywania odpowiedzi na podstawie wiedzy, która jest w tych dokumentach. Przykładowo: Jaki jest termin przedawnienia umowy XYZ? Jak wykorzystać zaległy urlop? Jaki jest numer telefonu do księgowości? Jaka jest obecna oferta firmy w zakresie XYZ / Jaka jest cena produktu ABC? Co zrobić, gdy dostanę mandat jadąc służbowym samochodem? To są oczywiście przykłady, każdy dział w firmie może mieć swoje własne wymagania. Może to działać w taki sposób, że ad hoc będą umieszczane dokumenty, z których chcemy pozyskać wiedzę, po czym ta wiedza będzie usuwana z chatbota, a może być tak, że będziemy uczyć chatbota przez jakiś czas i „akumulować” jego wiedzę. Jest to narzędzie przeznaczone dla firm (w szczególności dużych firm) zaprojektowanym do pozyskiwania wiedzy z dużych zbiorów ustrukturyzowanych dokumentów, takich jak regulaminy, procedury, umowy, specyfikacje istotnych warunków zamówienia, dokumentacje techniczne projektów informatycznych oraz innych. Dokumenty te podzielone są na paragrafy, rozdziały, sekcje, punkty, podpunkty, a w każdym z nich znajdują się krótkie fragmenty tekstu zawierające wiedzę z pewnego wybranego obszaru działalności firmy. Narzędzie będzie działać na dokumentach w języku polskim. Zakłada się maksymalną liczbę dokumentów możliwych do załadowania do chatbota na poziomie 1000 przy średniej liczbie stron każdego z nich na poziomie 100 (co daje łącznie 1000 x 100 = 100 000 stron). Podana liczba stron w dokumencie jest wartością uśrednioną dla wszystkich dokumentów, możliwe jest załadowanie także mniejszych lub większych dokumentów. Zbiór wiedzy chatbota reprezentowany jest poprzez zestaw tzw. Intentów, tj. intencji lub zamiarów, z których każdy jest zestawem pytań i odpowiedzi na dany temat. Przykładowo, w intencjii o nazwie “przedstawienie się” zawarte są takie pytania jak: - kim jesteś - jak masz na imię? - jak się nazywasz? A w zbiorze odpowiedzi znajdują się zdania zawierające odpowiedź dla użytkownika. Następnie tekst wprowadzony przez użytkownika jest poddawany klasyfikacji za pomocą naiwnego klasyfikatora Bayesa. Jeśli precyzja dla którejś intencji przekracza zdefiniowany próg, to użytkownikowi zwracana jest jedna z odpowiedzi z tego Intentu. Implementacja tego typu chatbota jest realizowana ręcznie, co jest pracą żmudną i czasochłonną. Nie jest możliwe łatwe skalowanie takiego narzędzia dla wielu klientów, gdyż za każdym razem konieczne jest budowanie od nowa bazy wiedzy. Ponadto proponowana implementacja nie przynosi zadowalających rezultatów pod kątem jakości odpowiedzi. Im większy zbiór danych, tym większe ryzyko wybrania nieprawidłowej intencji i zwrócenia błędnej odpowiedzi użytkownikowi. W BigData Chatbot zakłada się, że wiedza dla chatbota nie będzie wprowadzana ręcznie, ale będzie automatycznie pozyskiwana z dużych zbiorów danych. Chatbota od zwykłej wyszukiwarki pełnotekstowej odróżnia fakt, że bierze on pod uwagę także semantykę zdania. Przykładowo, na pytanie użytkownika “Jakie są dane do Centrum Serwisu?” użytkownikowi mogłyby być zwrócone oba poniższe fragmenty lub tylko pierwszy, ponieważ zawiera on więcej słów kluczowych użytkownika: 1. “W momencie zawarcia umowy do Centrum Serwisu należy przekazać następujące dane Klienta: imię, nazwisko, PESEL, adres zamieszkania.” 2. “Centrum Serwisu - centrum organizujące serwis czynne 24 godziny na dobę przez 7 dni w tygodniu, dostępne pod numerem telefonu 22 123 45 67 oraz adresem e-mail centrum@serwisu.pl do którego należy zgłosić zajście zdarzenia, w celu uzyskania pomocy” Jednak wyłącznie drugi fragment tekstu odpowiada na pytanie użytkownika. Zadawanie pytań oraz zwracanie odpowiedzi będzie odbywało się poprzez interfejs chatbota. Pytania zadawane przez użytkowników będą mogły mieć formę pytań zadawanych w języku naturalnym. Narzędzie będzie mogło być wykorzystywane przez pracowników różnych działów firmy, np. obsługi klienta, działu prawnego, handlowego i innych. Celem będzie szybkie znalezienie odpowiedzi na konkretne pytania pracowników. Dzięki BigData Chatbot nie będzie konieczne czytanie często bardzo rozbudowanych dokumentów, a jedynie zadanie pytania chatbotowi poprzez przeglądarkę lub aplikację mobilną (także głosowo z wykorzystaniem narzędzi już dostępnych w nowoczesnych smartphone’ach). Przykładowe pytania zadawane przez użytkowników: - Jaki jest termin przedawnienia umowy XYZ? (pytanie zadane przez prawnika zajmującego się pewną konkretną sprawą) - Gdzie mogę kupić paliwo do auta firmowego? (pytanie zadane przez pracownika korporacji, który po raz pierwszy korzysta z samochodu służbowego - w odpowiedzi uzyskuje adres konkretnej stacji współpracującej z firmą; odpowiedź będzie znaleziona w dokumencie “Zasady korzystania z floty na przejazdy służbowe”) - W jaki sposób dodać wydarzenie do kalendarza? (pytanie zadane przez pracownika korporacji korzystającego z nowej aplikacji mobilnej wdrożonej w firmie; odpowiedź będzie znaleziona w dokumencie “Dokumentacja techniczna aplikacji mobilnej do komunikacji”) - Pod jakim numerem mogę zgłosić awarię instalacji wodnej? (pytanie standardowo zadawane działowi obsługi klienta) Odpowiedzi chatbota będą zwracane w postaci: - krótkich fragmentów tekstów - konkretnych danych: numerów telefonów, adresów, adresów mailowych, nazw - prośby o podanie dodatkowych informacji doprecyzowujących pytanie (chatbot zapamiętuje informacje podane przez użytkownika) - informacji o braku znalezionej odpowiedzi Poza samą odpowiedzią chatbot dodatkowo będzie zwracać link do dokumentu, zawierającego poszukiwaną odpowiedź. Możliwe jest także zintegrowanie chatbota z zewnętrznymi usługami, np. z serwisem pogodowym w celu pobrania pogody w zdefiniowanym przez użytkownika miejscu i czasie lub z systemem komunikacji miejskiej w celu weryfikacji rozkładu jazdy. Są to jednak funkcje poza zakresem projektu opisanego w niniejszym wniosku, gdyż są one już zaimplementowane w obecnym chatbocie Expansio. Produkt może być wykorzystywany w firmach ad hoc do konkretnych zastosowań poprzez załadowanie do chatbota wybranych dokumentów, w których znajduje się odpowiedź na poszukiwane pytanie lub jako narzędzie regularnie agregujące coraz więcej informacji w firmie, dostępne dla grupy pracowników. Przykładowo, narzędzie umożliwi szybki dostęp do często zmieniającej się wiedzy pracownikom z działu obsługi klienta. Algorytmy znajdujące odpowiedź na zadane pytanie można podzielić na następujące kategorie: 1. Domena: otwarta lub zamknięta. W przypadku otwartej domeny algorytm ma dostęp do pewnego repozytorium wiedzy, z którego korzysta odpowiadając na zadane pytanie. W przypadku algorytmów działających w domenie zamkniętej w celu udzielenia odpowiedzi konieczny jest dostęp do pewnego fragmentu tekstu, w którym znajduje się odpowiedź na zadane pytanie. 2. Rodzaj odpowiedzi (extractive vs abstractive): wyodrębnienie odpowiedzi z większego fragmentu tekstu lub samodzielne wnioskowanie. W pierwszym przypadku algorytm kopiuje fragment tekstu z dłuższego akapitu. W przypadku samodzielnego wnioskowania algorytm parafrazuje odpowiedź do postaci bardziej zrozumiałej dla człowieka. 3. Rodzaj pytań: możliwość zadawania pytań, na które odpowiedziami są krótkie, rzeczowe informacje (fakty) lub innych rodzajów pytań. W tym pierwszym przypadku większość pytań zaczyna się od pytania “kto?“, “gdzie?“, “kiedy?“. Do drugiej kategorii należą wszystkie pozostałe pytania, które mogą rozpoczynać się np. od pytania “jak?” lub “dlaczego?” i zawierają w sobie obliczenia matematyczne, rankingi itp. Proponowane przez nas rozwiązanie: - działa w domenie zamkniętej, - zwraca odpowiedzi, które wyodrębnia z większego fragmentu tekstu, ale z możliwością ich skrócenia, w celu przekazania wyłącznie istotnej informacji, - oraz pozwala na zadawanie pytań, na które odpowiedziami są krótkie, rzeczowe informacje.

Zalety / korzyści z zastosowania technologii

Chatbot BigData rozwiązuje problem trudnego wyszukiwania informacji w dużych zestawach danych. Firmy mają ogromną bazę dokumentów w postaci rozporządzeń, raportów, umów i innych dokumentów. Często trzeba znaleźć odpowiedzi na konkretne pytania. Pytania mogą dotyczyć codziennej pracy (np. „Jak wykorzystać zaległe wakacje?”, „Co zrobić, jeśli dostaniesz mandat podczas prowadzenia samochodu służbowego?”), Pytania dotyczące konkretnych projektów („Jaki jest numer telefonu materiałów budowlanych dostawca? ”), oferuje firmy („ Ile kosztuje leasing samochodu? ”) lub, na przykład, umowę (zamiast przeczytać całą umowę prawnik chciałby znaleźć odpowiedź„ jaki jest termin przedawnienia? „). Obecnie klienci rozwiązują ten problem, tworząc listy często zadawanych pytań lub ręcznie wyszukując duże zestawy danych. (lub po prostu otwierając określony dokument i szukając tekstu za pomocą CTRL + F) Chociaż na rynku istnieje bardzo duża liczba chatbotów, nie znamy rozwiązania, które pozwoliłoby czerpać wiedzę z dużych zbiorów danych i odpowiadać na konkretne pytania. Wyszukiwarki internetowe działają w podobny sposób, ale nie są używane w organizacji. Przede wszystkim największą zaletą naszego narzędzia jest oszczędność czasu pracownika, który poświęca dużo czasu na wyszukiwanie dokumentów w standardowy sposób.

Zastosowanie rynkowe

KIS 10. INTELIGENTNE SIECI I TECHNOLOGIE INFORMACYJNO-KOMUNIKACYJNE ORAZ GEOINFORMACYJNE KIS 14. INTELIGENTNE TECHNOLOGIE KREACYJNE

Tagi

Branże

Pliki

BigData Chatbot.pdf (2.29 MB)