olvasás: 4 perc

  • Vágólapra másolva

Természetes nyelv feldolgozás (Natural Language Processing, NLP) és erre épülő tudásmenedzsment

A mesterséges intelligencia alkalmazások piacának jelentős szeletét hasítja ki napjainkban az NLP. Gondoljunk csak a helyesírás ellenőrzőkre, az automatikus válasz generáló segédeszközökre, vagy akár a fordítóprogramokra. Ezek azok a felhasználási területek, amikkel mindenki találkozik nap, mint nap.

Természetes nyelv feldolgozás (Natural Language Processing, NLP) és erre épülő tudásmenedzsment


AZ NLP felhasználási lehetőségei azonban ennél sokkal szerte ágazóbbak, és sokkal komplexebb feladatok megoldására is alkalmas. 2022-ben már ezekre a feladatokra úgynevezett nagy nyelvi modellek (Large Language Models, LLMs) állnak rendelkezésre, melyek hatalmas mennyiségű, több milliárd oldalnyi szöveges dokumentumból elsajátítják az egyes nyelvek általános szerkezetét és azt szemantikailag értelmezik, mondhatni megtanulják. Ezekre az általános modellekre építhetők feladat specifikus almodellek, melyek egy-egy konkrét problémára nyújtanak automatizált megoldást gépi tanulás segítségével.

Manapság az NLP legnépszerűbb felhasználási területei a keresőmotorok, a chatbotok, a dokumentum kezelő rendszerek, vagy akár az intelligens, szöveg alapú email feldolgozó megoldások. A keresőmotorok alatt nem csak a Google keresőszolgáltatását érthetjük. A fenti megoldások alkalmazásával a vállalatok létrehozhatnak egyedi alkalmazásokat a belső, zárt dokumentumkezelő rendszerükben való kereséshez is. Emellett lehetőség van arra is, hogy gépi tanulás alapú megoldásokkal a vállalathoz beérkező, illetve ott létrehozott dokumentumokat is automatikusan ellássák tartalom alapú metaadatokkal, mint pl. a releváns keresőkifejezések, vagy nevesített entitások, mint a személynevek, címek, ügyfélszámok. Ezeket az adatokat egy entitáskinyerő modell automatikusan felismeri a szövegben, és letárolja a dokumentum egyéb metaadataival együtt.

Felhasználási lehetőségek

Képzeljünk el egy rendszert, amely a beérkező e-maileket feldolgozza, kinyeri belőlük a neveket, ügyfélszámokat, szerződésszámokat, összegeket, dátumokat stb. majd ezek alapján a CRM rendszerben a megfelelő ügyfélhez társítja azt az így kinyert információk, azonosítók alapján. Ezzel a megoldással a vállalat által tárolt korábbi dokumentumok és az újonnan beérkező fájlok is egységesen kezelhetőek, kereshetőek, és később könnyen elérhetőek. Egy ilyen szoftver bevezetése meggyorsítja az ügyintézést az adminisztrációs munkatársak részére, emellett a cégben rendelkező tudás is jobban kiaknázhatóvá válik.

Ezen felül egy ilyen megoldás rengeteg monoton ügyintézési lépést tud automatizálni azáltal, hogy beazonosítja a beérkező dokumentumok nyelvét, az ismeretlen nyelvű üzeneteket automatikusan külön gyűjti, illetve akár vissza is jelez rögtön a feladónak, hogy a feldolgozás több időt vehet igénybe. Vagy gondoljunk bele abba, hogy a beérkező iratokat prioritás szerint sorba rendezi, így az ügyintézők fontossági sorrendben tudják feldolgozni a dokumentumokat, ha a cégvezető aláírása szükséges valamihez, azt automatikusan felismeri a rendszer és ezt jelzi a vezető felé, ezzel időt és energiát takarítva meg.

Mi szükséges a bevezetéshez?

A fent felvázolt szoftver egyes komponensei külön-külön is felhasználhatóak, vagy akár egy komplett ökoszisztémaként is segíthetik a vállalat adminisztrációs feladatainak ellátását. A megoldás bevezetéséhez mindösszesen arra van szükség, hogy a vállalat felmérje, mely szoftverkomponensekre van leginkább szüksége a munkamenet megkönnyítéséhez, majd a meglévő dokumentumait egy helyre gyűjtse, ahonnan a szoftver képes azokat feldolgozni, legyenek azok akár email-ek, word, pdf dokumentumok, vagy szkennelt képek. A bevezetés után az ügyintézők folyamatosan nyomon követhetik és ellenőrizhetik a szoftver hatékonyságát, és a megoldást finomhangolhatják a visszajelzések alapján.

A szerzőről

Gaspar Sandor Szerzo
Gáspár Sándor

Kompetencia Központ vezető

Analytics - Data Solutions

Gáspár Sándor a Stratis mesterséges intelligenciával foglalkozó területét vezeti 2020 óta és több, mint 20 éve foglalkozik data science-szel. Csapatával nagyvállalatok számára fejleszt gépi tanulásra, prediktív analitikára épülő döntéstámogató megoldásokat ügyfeleink meglévő adatvagyonának kiaknázásával. Ezen kívül mély neurális hálókra épülő NLP és machine vision megoldásokkal segíti ügyfeleink meglévő folyamatainak automatizálását.

Milyen üzleti probléma
megoldásában segíthetünk?

Left hand art Right hand art

Ezek is érdekelhetnek