Вопросно-ответная система в банковской сфере

Вопросно-ответные системы — это системы, способные принимать вопросы в свободной форме и отвечать на них на естественном языке. Данная задача является крайне важной и для науки, и для бизнеса. В науке немало последних успехов были связаны именно с пониманием естественного языка. Бизнесу диалоговые системы интересны возможностью замены людей в некоторых сферах деятельности — например в обслуживании клиентов. Это обусловлено тем, что диалоговые системы могут отвечать 24 часа в сутки, не заставляют ждать человека, пока оператор освободиться, они не совершают грамматических и прочих ошибок, а также их можно легко контролировать, добавив или убрав некоторый возможный ответ. На данный момент не существует универсальной вопросно-ответной системы, способной отвечать на все возможные вопросы с высокой точностью. Как правило, каждую предметную область приходится рассматривать отдельно, находить более подходящие решения, учитывая специфику данных. В данной работе рассматриваются нейросетевые подходы к решению данной задачи, в частности с помощью siamse-подобных ранжирующих модели. Все эксперименты проводятся на исторических данных разговоров клиентов с операторами банка. Исследуются подходы для поиска близких вопросов: к вопросу клиента модель подбирает близкий ответ из заготовленной базы вопросов. Для каждого подхода выявлены свои преимущества и недостатки. Описывается архитектура итогового решения, которое было внедрено в чат банка.