Система семантического анализа распознанной речи (проект) - История изменений

GalinaKaleeva в 12:31, 4 октября 2017

2017-10-04T12:31:02Z

← Предыдущая версия		Версия от 12:31, 4 октября 2017
Строка 59:		Строка 59:

	=== Критерии оценки ===		=== Критерии оценки ===
	~~TBA~~		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

Krokhmal11: Изменен ментор

2017-09-28T09:33:11Z

Изменен ментор

← Предыдущая версия		Версия от 09:33, 28 сентября 2017
Строка 1:		Строка 1:
	{{Карточка_проекта		{{Карточка_проекта
	\|name=Система семантического анализа распознанной речи		\|name=Система семантического анализа распознанной речи
	\|mentor=~~Романов Дмитрий~~		\|mentor=Крохмаль Николай
	\|mentor_login={{URLENCODE:GalinaKaleeva\|WIKI}}		\|mentor_login={{URLENCODE:GalinaKaleeva\|WIKI}}
	\|semester=Осень 2017		\|semester=Осень 2017

GalinaKaleeva в 11:02, 27 сентября 2017

2017-09-27T11:02:50Z

← Предыдущая версия		Версия от 11:02, 27 сентября 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.

	=== Чему вы научитесь? ===		=== Чему вы научитесь? ===

GalinaKaleeva в 11:02, 27 сентября 2017

2017-09-27T11:02:19Z

← Предыдущая версия		Версия от 11:02, 27 сентября 2017
Строка 14:		Строка 14:
	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.~~

	=== 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 52:

	=== Направления развития ===		=== Направления развития ===
	~~TBA~~		Дальнейшим шагом развития сервиса является оценка смыслового содержания текста.

	=== Критерии оценки ===		=== Критерии оценки ===

GalinaKaleeva: Новая страница, с помощью формы Новый_проект

2017-09-27T11:00:32Z

Новая страница, с помощью формы Новый_проект

Новая страница

{{Карточка_проекта
|name=Система семантического анализа распознанной речи
|mentor=Романов Дмитрий
|mentor_login={{URLENCODE:GalinaKaleeva|WIKI}}
|semester=Осень 2017
|course=2
|summer=
|number_of_students=5
|categorize=yes
}}

=== 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 ===
TBA

=== Критерии оценки ===
TBA

=== Ориентировочное расписание занятий ===
TBA