| Карточка | Таблица | RUSMARC | |
|
|
Синицина, Анна Вячеславовна. Разработка сервиса классификации для онлайн-консультанта агентства недвижимости «Этажи» = Development of classification service for the online consultant of the real estate agency «Etagi»: выпускная квалификационная работа магистра: направление 02.04.03 «Математическое обеспечение и администрирование информационных систем: разработка технологий интернета вещей и больших данных» / А. В. Синицина; научный руководитель А. А. Ступников; Тюменский государственный университет, Школа компьютерных наук. — Тюмень, 2024. — 1 файл (2,1 Мб). — Загл. с титул. экрана. — Доступ по паролю из сети Интернет (чтение). — Adobe Acrobat Reader 7.0. — <URL:https://library.utmn.ru/dl/Module_VKR_Tyumen/ShKn/2024/vr24-580.pdf>. — Текст: электронныйДата создания записи: 05.08.2024 Тематика: задача классификации текстов; чат-бот; NLP; сверточные нейронные сети; CNN; рекуррентные нейронные сети; RNN; нейронные сети с прямой связью; FFNN; анализ эмоциональной окраски текста; суммаризация текста; text classification; chatbot; convolutional neural networks; recurrent neural networks; feedforward neural networks; sentiment analysis; text summarization Коллекции: Выпускные квалификационные работы Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
В данной работе описана разработка системы классификации обращений клиентов в контактный центр агентства недвижимости с помощью сверточной, рекуррентной нейронных сетей и сети с прямой связью. Описаны методы предобработки исходных данных. Изучено влияние анализа эмоциональной окраски и суммаризации обращений на точность классификации. Описана архитектура модели и сервиса классификации.
This paper describes the development of a classification system for customer requests to the contact center of a real estate agency using convolutional, recurrent neural networks and a feedforward neural network. The methods of preprocessing the source data are described. The influence of sentiment analysis and summarization of requests on the accuracy of classification is studied. The architecture of the classification model and service is described.
Права на использование объекта хранения
| Место доступа | Группа пользователей | Действие | ||||
|---|---|---|---|---|---|---|
| ТюмГУ | Все |
|
||||
| Интернет | Читатели |
|
||||
|
Интернет | Анонимные пользователи |
Статистика использования
|
|
Количество обращений: 3
За последние 30 дней: 1 Подробная статистика |