Список литературы

2518-1092

Научный результат. Информационные технологии

2518-1092

10.18413/2518-1092-2024-9-4-0-9

3671

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ПРИНЯТИЕ РЕШЕНИЙ

<strong>РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДЛЯ АВТОМАТИЧЕСКОГО ОТВЕТА НА ОТЗЫВЫ ПОКУПАТЕЛЕЙ НА МАРКЕТПЛЕЙСАХ С ПРИМЕНЕНИЕМ LLM</strong>

<strong>DEVELOPMENT OF AN INTELLIGENT SYSTEM FOR AUTOMATIC RESPONSE TO CUSTOMER REVIEWS ON MARKETPLACES WITH USING LLM</strong>

Добровольский

Дмитрий Сергеевич

Dobrovolskii

Dmitrii Sergeevich

d.dobrovolskiy4137@gmail.com

Олейников

Виталий Сергеевич

Oleynikov

Vitaliy Sergeevich

KiloVit@inbox.ru

Рац

Екатерина Сергеевна

Rats

Ekaterina Sergeevna

ratscatherine@yandex.ru

2024

9400

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.

The article discusses an approach to the development of an intelligent system designed for automatic responses to customer reviews on marketplaces, utilizing advanced artificial intelligence technologies, specifically large language models (LLMs). The relevance of this work is driven by the growing need for automating customer interactions for e-commerce companies and reducing the time spent processing a large volume of reviews, which requires the application of high-tech solutions. The problem faced by companies is the need to respond quickly and effectively to a large number of reviews, which in a traditional setup demands significant effort from support staff. The methods include data collection and preprocessing, as well as the use of the GPT-4 large language model based on transformer architecture for sentiment analysis and generating personalized responses. The model analyzes the emotional tone of reviews and formulates responses that consider context, tone, and subtext, making communication with customers more natural and effective. The research results demonstrated a significant improvement in customer interaction quality, a reduction in review processing time, and a decrease in operator workload. The conclusions confirm that implementing this system in a company can significantly enhance the quality of customer service.

автоматизациябольшая языковая модельGPT-4сентименттрансформерыклассификация текстаобработка естественного языка

automatizationlarge language modelGPT-4sentimenttransformerstext classificationnatural language processing

Список литературы

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.