Не хватает. Примеры реальных синонимичных текстов из жизни:
«Возникают ошибки при отправке ПГ в ЛК ЕИС. Одна из ошибок — наличие размещенного извещения в ЕИС, которое является отмененным»
«Не выгружается ПГ в ЕИС перед утверждением бюджетной сметы»
Мы пробовали предобученный BERT от Google, результат был слабым по точности. К тому же такая модель слишком ресурсоёмкая по памяти, учится неприемлемо долго (если не покупать TPU). В итоге у нас получилась более лёгкая и точная модель, заточенная на предметную область. На сложных предметных областях со специфичными текстами связка «предобученная на больших корпусах обычного текста модель + дообучение на специфике» работает плохо.
Она решает сразу же несколько задач:
— категоризирует тикеты по тексту;
— подбор к тикетам подходящий статей из базы знаний, которые могут решить проблему пользователей;
— поиск дублирующих друг друга тикетов.
У MDA существовал ряд проблем: бизнес-логику приходилось реализовывать вручную, а генерируемый код не был единым для всего проекта. Например, в основе платформы Flexberry, которая как раз и создана по модельно-ориентированному подходу, создаваемый код делился на две части, что замедляет и уложняет разработку, потенциально создаёт риски для появления багов.
Мы же полностью отдаём создание кода «Студии», которая пишет его на основе готовых шаблонов, и на выходе у нас нет разделение его на несколько частей. Кроме того, бизнес-логика не выносится в отдельный проект. В будущем бизнес-требования будут автоматически парсится и передаваться модулю разработки, что ещё сильнее облегчит труд бизнес-аналитиков.
Но общие теоретические принципы работы MDA и «Студии» в целом похожи. Разница в деталях, которые и обеспечивают принципиальное повышение качества кода и скорости разработки.
Если вопрос о том, работаем ли мы с госзаказчиками? То да, работаем. Например, недавно сделали систему, которая отправляет по СМС информацию о положенных льготах и способах государственной поддержки, например, при рождении ребёнка или выходе на пенсию.
Кроме госзаказчиков, мы работаем с банковским и промышленным секторами, помогая им автоматизировать и цифровизировать ряд процессов.
«Возникают ошибки при отправке ПГ в ЛК ЕИС. Одна из ошибок — наличие размещенного извещения в ЕИС, которое является отмененным»
«Не выгружается ПГ в ЕИС перед утверждением бюджетной сметы»
— категоризирует тикеты по тексту;
— подбор к тикетам подходящий статей из базы знаний, которые могут решить проблему пользователей;
— поиск дублирующих друг друга тикетов.
Мы же полностью отдаём создание кода «Студии», которая пишет его на основе готовых шаблонов, и на выходе у нас нет разделение его на несколько частей. Кроме того, бизнес-логика не выносится в отдельный проект. В будущем бизнес-требования будут автоматически парсится и передаваться модулю разработки, что ещё сильнее облегчит труд бизнес-аналитиков.
Но общие теоретические принципы работы MDA и «Студии» в целом похожи. Разница в деталях, которые и обеспечивают принципиальное повышение качества кода и скорости разработки.
Кроме госзаказчиков, мы работаем с банковским и промышленным секторами, помогая им автоматизировать и цифровизировать ряд процессов.