Система семантического анализа распознанной речи (проект) — различия между версиями
(Новая страница, с помощью формы Новый_проект) |
|||
| (не показаны 3 промежуточные версии 2 участников) | |||
| Строка 1: | Строка 1: | ||
{{Карточка_проекта | {{Карточка_проекта | ||
|name=Система семантического анализа распознанной речи | |name=Система семантического анализа распознанной речи | ||
| − | |mentor= | + | |mentor=Крохмаль Николай |
|mentor_login={{URLENCODE:GalinaKaleeva|WIKI}} | |mentor_login={{URLENCODE:GalinaKaleeva|WIKI}} | ||
|semester=Осень 2017 | |semester=Осень 2017 | ||
| Строка 12: | Строка 12: | ||
=== Что это за проект? === | === 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. | 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 | Более подробно о проекте можно почитать в презентации во вложении и на сайте проекта – heedbook.com | ||
| + | |||
Система полностью переводит содержание диалога в текст (ASR). | Система полностью переводит содержание диалога в текст (ASR). | ||
| + | |||
Дальнейшим шагом развития сервиса является оценка смыслового содержания текста. | Дальнейшим шагом развития сервиса является оценка смыслового содержания текста. | ||
=== Чему вы научитесь? === | === Чему вы научитесь? === | ||
Разработка бэк-энд архитекуры облачных сервисов | Разработка бэк-энд архитекуры облачных сервисов | ||
| + | |||
Построение API | Построение API | ||
| + | |||
Программирование микросервисов на языках C# и Python | Программирование микросервисов на языках C# и Python | ||
| + | |||
Глубокое взаимодействие с API Heedbook | Глубокое взаимодействие с API Heedbook | ||
| + | |||
Фрэймворки и алгоритмы анализа смысла, эмоциональной окраски и наличия ключевых слов в тексте | Фрэймворки и алгоритмы анализа смысла, эмоциональной окраски и наличия ключевых слов в тексте | ||
| + | |||
На выходе открытый продукт – система семантического распознания текста | На выходе открытый продукт – система семантического распознания текста | ||
| Строка 48: | Строка 56: | ||
=== Направления развития === | === Направления развития === | ||
| − | + | Дальнейшим шагом развития сервиса является оценка смыслового содержания текста. | |
=== Критерии оценки === | === 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 === | === Ориентировочное расписание занятий === | ||
TBA | TBA | ||
Текущая версия на 15:31, 4 октября 2017
| 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
