Разработка веб-приложения интеллектуального анализа отзывов клиентов с применением модифицированной модели seq2seq с механизмом внимания

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Машинное обучение и, в частности, нейронные сети оказывают огромное влияние на бизнес и маркетинг посредством предоставления удобных средств для аналитики и обратной связи с клиентами. В статье предлагается интеллектуальный анализ отзывов клиентов на основе применения модифицированной модели глубокого обучения seq2seq. Так как базовая модель seq2seq обладает существенным недостатком – невозможностью концентрироваться на главных частях входной последовательности, то результаты машинного обучения могут дать неадекватную оценку отзывам клиентов. Указанный недостаток устраняется посредством предложенной в работе модели под названием «механизм внимания». Модель легла в основу разработки веб-приложения, решающего проблему гибкого взаимодействия с клиентами посредством парсинга новых отзывов, их анализа и генерации ответа на отзыв при помощи нейронной сети.

Об авторах

Евгений Сергеевич Будаев

Финансовый университет при Правительстве Российской Федерации

Автор, ответственный за переписку.
Email: esbudaev@fa.ru
ORCID iD: 0000-0002-3718-0282

кандидат технических наук, доцент, доцент, кафедра анализа данных и машинного обучения, факультет информационных технологий и анализа больших данных

Россия, Москва

Список литературы

  1. Labintsev A., Khasanshin I., Balashov D. et al. Recognition Punches in Karate Using Acceleration Sensors and Convolution Neural Networks // IEEE Access. 2021. Vol. 9. Pp. 138106-138119. doi: 10.1109/ACCESS.2021.3118038.
  2. Dipankar Das, Anup Kumar Kolya, Abhishek Basu, Soham Sarkar. Computational intelligence applications for text and sentiment data analysis. Academic Press, 2023. P. 252. ISBN: 9780323905350. doi: 10.1016/B978-0-32-390535-0.00007-0.
  3. Gated recurrent unit networks: Efficient neural architecture for sequential data. URL: https://askanydifference.com/gated-recurrent-unit-networks/ (дата обращения: 14.12.2023).
  4. LSTM и GRU. URL: https://habr.com/ru/companies/mvideo/articles/780774/ (дата обращения: 03.12.2023).
  5. NLP с нуля: машинный перевод при помощи seq2seq с механизмом внимания. URL: https://pytorch.org/tutorials/intermediate/seq2seq_translation_tutorial.html#loading-data-files (дата обращения: 01.12.2023).
  6. Sansano E., Montoliu R., Belmonte Fernández Ó. A study of deep neural networks for human activity recognition // Computational Intelligence. 2020. No. 36. Pp. 1113–1139. doi: 10.1111/coin.12318.
  7. Shahriar Akter, Saradhi Motamarri, Umme Hani. et al. Building dynamic service analytics capabilities for the digital marketplace // Journal of Business Research. 2020. Vol. 118. Pp. 177–188. ISSN: 0148-2963. doi: 10.1016/j.jbusres.2020.06.016.
  8. Введение в Text Mining и предварительная обработка текстовых данных. URL: https://nagornyy.me/it/vvedenie-v-text-mining-i-predvaritelnaia-obrabotka-tekstovykh-dannykh/ (дата обращения: 05.12.2023).
  9. Введение в глубокое обучение: пошаговое руководство. URL: https://pythonist.ru/vvedenie-v-glubokoe-obuchenie-po-shagam/? (дата обращения: 02.12.2023).
  10. Визуализируя нейронный машинный перевод (seq2seq модели с механизмом внимания). URL: https://habr.com/ru/post/486158/ (дата обращения: 03.12.2023).
  11. Как вывести карточку товара в топ на Wildberries. URL: https://ritm-z.ru/blog/Ritm-Z/kak-vyvesti-kartochku-tovara-v-top-na-wildberries/ (дата обращения: 02.12.2023).
  12. Макарова Е.С., Будаев Е.С. Интеллектуальный анализ отзывов клиентов с применением модели seq2seq // Интернаука: электрон. научн. журн. 2022. № 22 (245). URL: https://internauka.org/journal/science/internauka/245 (дата обращения: 14.12.2023). doi: 10.32743/26870142.2022.22.245.342556.
  13. Маркетплейсы: определение, типы, площадки. URL: https://investprofit.info/marketplace/? (дата обращения: 02.12.2023).
  14. Механизм внимания. URL: https://neerc.ifmo.ru/wiki/index.php?title=Механизм_внимания (дата обращения: 16.12.2023).
  15. Модели глубоких нейронных сетей sequence-to-sequence на PyTorch. URL: https://habr.com/ru/post/567142/ (дата обращения: 17.12.2023).
  16. Рекуррентные блоки GRU. Пример их реализации в задаче сентимент-анализа. URL: https://proproprogs.ru/neural_network/rekurrentnye-bloki-gru-primer-realizacii-v-zadache-sentiment-analiza? (дата обращения: 14.12.2023).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Базовая архитектура модели seq2seq

3. Рис. 2. Классическая архитектура GRU

Скачать (50KB)
4. Рис. 3. Архитектура модели seq2seq с механизмом внимания

Скачать (40KB)
5. Рис. 4. Дерево целей организации

Скачать (37KB)
6. Рис. 5. Диаграмма вариантов использования «Продажа косметических средства на маркетплейсе»

Скачать (96KB)
7. Рис. 6. Алгоритм работы серверной части программы

Скачать (37KB)
8. Рис. 7. Часть обучающей выборки

Скачать (137KB)
9. Рис. 8. Результат обучения нейронной сети

Скачать (77KB)
10. Рис. 9. Алгоритм работы серверной части приложения с указанием фреймворков и библиотек

Скачать (152KB)
11. Рис. 10. Часть выгрузки для тестирования работоспособности серверной части приложения

Скачать (265KB)
12. Рис. 11. Результат работы программы при тестировании работоспособности серверной части приложения

Скачать (22KB)
13. Рис. 12. Сгенерированный файл

Скачать (446KB)


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».