Opracowanie metod analitycznych wykorzystujących przetwarzanie asocjacyjne danych na potrzeby: uczenia maszynowego oraz opracowania założeń dla rozwiązań automatyzujących procesy komunikacji z klientem w kanałach mail, chat, social chat.

Komponent opracowany i opisany w ramach prac badawczo rozwojowych (kolejny szablon wnioskowania asocjacyjnego), pozwolił na wypracowanie cech systemu informatycznego, które można utożsamić z umiejętnościami i kompetencjami w procesie przyswajania nowej wiedzy – komponent ten odpowiedzialny będzie za zdolność do samo-uczenia i automatycznego programowania nowych funkcji systemu.

Podstawowa funkcjonalność komponentu, o nazwie text bot (termin wprowadzony na potrzeby niniejszej analizy), jest bardzo prosta. Jego działanie sprowadza się do tego, że na określoną informację tekstową podaną na wejściu, komponent ma udzielić poprawną odpowiedź w postaci tekstu lub uruchomić właściwe działanie.

Komponent text bot składa się z następujących części:
Zbiór przypadków użycia, zawierający listę przykładowych par zapytań i odpowiedzi – jakie ma udzielić komponent
Baza wiedzy – zawierająca kolekcję relacyjnych tabel danych o dowolnej strukturze, może także zawierać zasoby informacji nieustrukturyzowanych (np. lista łańcuchów tekstowych dowolnej długości, dokumentów XML, itp.). Z bazą wiedzy jest powiązana pamięć asocjacyjna, w której zapisano wszystkie rekordy tabel i informacji nieustrukturyzowanych, wchodzących w skład Bazy wiedzy
Generator skojarzeń (asocjacji), jest oparty na specjalnym rodzaju pamięci asocjacyjnej, opisanym jako przykład [4] w ramach Rekomendacji nr 1: “możliwe warianty modelu pamięci asocjacyjnej”. Pamięć ta przechowuje jako obserwacje, schematy (kombinacje) asocjacji (powiązań) pomiędzy elementami bazy wiedzy – tzw. meta-obserwacje.

Chcesz wiedzieć więcej napisz do nas: databroker@databroker.pl