Комментарии 6
Очень интересно, разрабатывать такое! Хотелось бы пообщаться с ботом, чтобы составить свое личное мнение…
Ну и студентам на заметку — профессии «страховой агент» для людей скоро не будет…
пользователь готов был искренне принять нашего бота за страхового агента.
Ну и студентам на заметку — профессии «страховой агент» для людей скоро не будет…
А почему изначально был выбран Чатскрипт и чего нет у Гугла что есть здесь?
почему изначально был выбран Чатскрипт
Идеальных людей нет, все совершают ошибки :) в целом, он был выбран для быстрого запуска MVP, без углубления в NLP. Со своими задачами на момент mvp он справлялся.
чего нет у Гугла что есть здесь
Google представляет разные отдельные сервисы для ML и NLP/NER, на основе которых можно построить продукт. А мы предоставляем готовое решение, которое наши клиенты могут использовать уже и сразу. По поводу использования гугловского NER — он работает в целом очень хорошо, но заточен под грамматически корректные конструкции, которые редко бывают в живой речи, плюс их публичный ner не покрывает и половины наших требований и соотвественно требований клиентов. Так что в любом случае пришлось бы доделывать что-то самим. По поводу их ML — его также нужно обучать для своих потребностей, мы же уже имеем обученные модели, и собственно этим и занимаемся только на своих наработках.
AI-подход к реализации менеджера диалогов: на вход нейронной сети подается намерение пользователя и параметры, а система сама генерирует соответствующие состояния, следующий вопрос, который нужно задать.
Вы разрабатывали нейронную сеть с 0 или пользовались уже готовым решением?
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Болтай, извлекай: архитектура сложных чат-ботов