РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДЛЯ АВТОМАТИЧЕСКОГО ОТВЕТА НА ОТЗЫВЫ ПОКУПАТЕЛЕЙ НА МАРКЕТПЛЕЙСАХ С ПРИМЕНЕНИЕМ LLM
В статье рассматривается подход к разработке интеллектуальной системы, предназначенной для автоматического ответа на отзывы покупателей на маркетплейсах с применением передовых технологий искусственного интеллекта, а именно больших языковых моделей (LLM). Актуальность данной работы обусловлена растущей потребностью в автоматизации взаимодействия с клиентами для компаний в сфере электронной коммерции и сокращении времени на обработку большого количества отзывов, что требует применения высокотехнологичных решений. Проблема, с которой сталкиваются компании, заключается в необходимости оперативно и качественно отвечать на большое количество отзывов, что в традиционном режиме требует значительных усилий сотрудников службы поддержки. Методы включают в себя сбор и предобработку данных, а также использование большой языковой модели GPT-4 на основе архитектуры трансформеров для анализа сентимента и генерации персонализированных ответов. Модель анализирует эмоциональную окраску отзывов и формирует ответы, учитывающие контекст, тональность и подтекст, что делает общение с клиентами более естественным и эффективным. Результаты исследования продемонстрировали значительное улучшение качества взаимодействия с клиентами, сокращение времени обработки отзывов, а также снижение нагрузки на операторов. Выводы подтверждают, что внедрение данной системы в компании позволяет значительно повысить качество клиентского сервиса.
Добровольский Д.С., Олейников В.С., Рац Е.С. Разработка интеллектуальной системы для автоматического ответа на отзывы покупателей на маркетплейсах с применением LLM // Научный результат. Информационные технологии. – Т.9, №4, 2024. – С. 74-84. DOI: 10.18413/2518-1092-2024-9-4-0-9
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
1. Брагин А.В., Бахтизин А.Р., Макаров В.Л. Большие языковые модели четвёртого поколения как новый инструмент в научной работе // Искусственные Общества Учредители: Центральный экономико-математический институт РАН, Государственный академический университет гуманитарных наук. – 2023. – Т. 18. – №. 1.
2. Тарасенков Д.А., Алексеева Е.А. Искусственный интеллект в электронной коммерции. – 2024.
3. Батищев А.В. и др. Достижение бизнес-целей посредством использования NLP //Естественно-гуманитарные исследования. – 2023. – №. 6 (50). – С. 596-600.
4. Столяров А.Д., Абрамов В.И., Абрамов А.В. Генеративный искусственный интеллект для инноваций бизнес-моделей: возможности и ограничения // Beneficium. – 2024. – №. 3 (52). – С. 43-51.
5. Краснов Ф.В. Использование языковых моделей на основании архитектуры трансформеров для понимания поисковых запросов на электронных торговых площадках // International Journal of Open Information Technologies. – 2023. – Т. 11. – №. 9. – С. 33-40.
6. Краснов Ф.В. Управление разнообразием товаров в рекомендательных моделях на основе архитектуры с механизмом внимания (трансформерах) // International Journal of Open Information Technologies. – 2024. – Т. 12. – №. 1. – С. 68-75.
7. Никонова Е.З., Королев Р.И. Анализ архитектурного стиля REST API // Современные вопросы устойчивого развития общества в эпоху трансформационных процессов. – 2023. – С. 176-179.
8. Марченков А.А. Маркетплейсы как главный тренд электронной коммерции // Молодежный сборник научных статей «Научные стремления». – 2019. – №. 26. – С. 65-67.
9. Никитина О.В. Статистический анализ потребительских предпочтений в электронной коммерции // Вопросы статистики. – 2015. – №. 6. – С. 46-52.
10. Ворона А.А. Применение технологий искусственного интеллекта: современные реалии и перспективы // Ученые записки Санкт-Петербургского имени ВБ Бобкова филиала Российской таможенной академии. – 2023. – №. 4 (88). – С. 69-73.
11. Vaswani A. Attention is all you need // Advances in Neural Information Processing Systems. – 2017.
12. Ehsan A. et al. RESTful API testing methodologies: Rationale, challenges, and solution directions // Applied Sciences. – 2022. – Т. 12. – №. 9. – P. 4369.
13. Hou X. et al. Large language models for software engineering: A systematic literature review // ACM Transactions on Software Engineering and Methodology. – 2023.
14. Achiam J. et al. Gpt-4 technical report // arXiv preprint arXiv:2303.08774. – 2023.
15. Medhat W., Hassan A., Korashy H. Sentiment analysis algorithms and applications: A survey // Ain Shams engineering journal. – 2014. – Т. 5. – №. 4. – P. 1093-1113.
16. Hirschberg J., Manning C.D. Advances in natural language processing // Science. – 2015. – Т. 349. – №. 6245. – P. 261-266.
17. Roumeliotis K.I., Tselikas N.D. Chatgpt and open-ai models: A preliminary review // Future Internet. – 2023. – Т. 15. – №. 6. – P. 192.
18. Tadelis S. The economics of reputation and feedback systems in e-commerce marketplaces //IEEE Internet Computing. – 2015. – Т. 20. – №. 1. – P. 12-19.
19. Sabree S., Albadrani A. OpenAI as a Tool for Programming Embedded Systems. – 2024.
20. Marvin G. et al. Prompt engineering in large language models // International conference on data intelligence and cognitive informatics. – Singapore: Springer Nature Singapore, 2023. – P. 387-402.
21. Örpek Z., Tural B., Destan Z. The language model revolution: Llm and slm analysis //2024 8th International Artificial Intelligence and Data Processing Symposium (IDAP). – IEEE, 2024. – P. 1-4.
22. Ray P.P. ChatGPT: A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope // Internet of Things and Cyber-Physical Systems. – 2023. – Т. 3. – P. 121-154.