王奇
AI汽车客服
项目描述公司将深度学习、大数据处理、语义理解、汽车交互式对话等最新的AI技术与汽车销售相融合,致力于打造“主动式汽车客服AI”。用技术手段扩大优质汽车资源的供给,缓解优质汽车资源过度集中与客户需求过度分散的矛盾。基于Neo4j图数据库搭建了一套辅助汽车销售的智能问答系统。智能机器人会根据用户输入的信息进行详细答复。项目架构:BiLSTM、CRF、Bert模型、Unit智能机器人、Flaskweb服务框架、Redis数据库Gunicorn服务组件、Supervisor服务监控器、Neo4j图数据库;项目职责1、离线部分:1数据类型及其来源:结构化数据和非结构化数据,一部分数据是爬虫爬来的,还有一部分是数据部分直接提供的,已经打上标签。2非结构化数据处理:使用命名实体识别模型BiLSTM+CRF,从一段自然语言文本中找出实体,并标注出位置以及类型,模型F1=91%。3命名实体审核任务:使用BERT+RNN模型对识别出来的实体进行合法行的检验,是一项短文本的二分类问题,无须捕捉长距离的关系,模型指标ACC=92%。审核完成后将实体以及对应关系写入到Neo4j图数据库中。主要负责命名实体识别模型、命名实体审核模型的搭建、训练和调优2、在线部分:1句子主题相关任务:采用的BERT+预微调模型,判断用户的最近两次回复是否围绕同一主题,数据来源正样本是在线问答语料的真实信息,负样本是其他语料的回复信息,保证两段文本不相关,对模型进行训练,保存模型。2Werobot服务搭建,完成查询neo4j数据库的函数,使用gunicorn启动服务,编写测试脚本并进行测试。主要负责句子主题相关模型的搭建、训练和调优,并通过flask部署模型提供接口。
王奇
专家网推荐算法
项目描述:销售人员通过关键词搜索专家进行匹配,匹配专家数量非常多,人工需要一个一个查看推荐报告,逐一排查造成人工成本大量浪费的问题,基于以上问题进行推荐的算法的制作,根据用户画像、专家信息、专家推荐报告等维度,制作0-1专家网推荐算法的搭建及优化,实现业务的增效、减少人工成本的浪费。项目职责:1、专家网数据清洗、用户画像、行业、专家访谈数据分析、挖掘并制作推荐算法数据集;2、数据存储并向量化存储至向量数据库;3、通过双路(tfidf+向量库检索)排序后在进行reranker模型精排、选取top10;4、项目落地并接入到公司业务系统实现系统推荐。5、通过推荐算法解决了专家网自动推荐、需求推荐、用户推荐业绩:项目落地后,通过后续三个月的测试验证,准确率为98.8%,访谈成功率为93.5%,新增访谈成率上涨10%,需求创建到访谈完成总时长减少50%;