Система семантического анализа распознанной речи (проект)
| Ментор | Крохмаль Николай |
| Учебный семестр | Осень 2017 |
| Учебный курс | 2-й курс |
| Максимальное количество студентов, выбравших проект: 5 | |
Что это за проект?
Компании, осуществляющие face-to-face обслуживание клиентов не удовлетворены качеством оценки удовлетворенности клиентов с помощью стандартных механизмов (телефонный опрос, SMS/email, контрольная закупка, кнопки лояльности). Для того, чтобы решить задачу компания Heedbook разработала системы анализа клиентских эмоций и бизнес-процессов с помощью нейросетей. Компания анализирует мимику, внимание, тон голоса, содержание разговора и много других параметров в процессе обслуживания клиента.
Более подробно о проекте можно почитать в презентации во вложении и на сайте проекта – heedbook.com
Система полностью переводит содержание диалога в текст (ASR).
Дальнейшим шагом развития сервиса является оценка смыслового содержания текста.
Чему вы научитесь?
Разработка бэк-энд архитекуры облачных сервисов
Построение API
Программирование микросервисов на языках C# и Python
Глубокое взаимодействие с API Heedbook
Фрэймворки и алгоритмы анализа смысла, эмоциональной окраски и наличия ключевых слов в тексте
На выходе открытый продукт – система семантического распознания текста
Какие начальные требования?
Знания языков C#/Python, широкий ИТ кругозор
Какие будут использоваться технологии?
Azure Functions
Cognitive services
WebApp
DB
ML
Темы вводных занятий
1. Архитектура проекта. API, внешние связи и зависимости.
2. Специфические технологии и используемые инструменты.
3. Доступные ресурсы, организация доступа.
4. Разделение ролей
Направления развития
Дальнейшим шагом развития сервиса является оценка смыслового содержания текста.
Критерии оценки
1-3 Подготовка текста к обработке. Выявление орфографических ошибок и несуществующих слов в тексте. Построение словаря синонимов.
4-5 Поиск запрещенных фраз в диалоге. Анализ текста по полученному результату. Построение графика эмоций по диалогу.
6-7 Анализ базы данных диалогов сотрудника и клиента. Кластеризация диалогов по степени корректности. Выявление значимых факторов для анализа корректности.
8-9 Анализ диалога сотрудника и клиента. Работа со значимыми факторами. Определение темы разговора и сферы интересов клиента. Построение модели оценки диалога. Тестирование модели.
10 Полный анализ диалога на предмет корректности и качество обслуживания. Разработка показателя качества оценки диалога.
Ориентировочное расписание занятий
TBA
