Используя исторические данные из различных источников и взаимодействие, связанное с публикациями, разработана система прогнозирования, которая анализирует содержание статей для прогнозирования различных характеристик публикаций. К этим характеристикам относятся просмотры, клики по ссылкам, лайки и т. д. Используя эту систему, организации могут оптимизировать свои контент-стратегии и принимать решения на основе данных, чтобы максимизировать вовлеченность и взаимодействие со своими публикациями.

До появления ChatGPT существовала потребность в системах, которые могли бы быстро находить ответы в конкретных, узких областях, таких как техническая документация, инструкции и руководства пользователя. В таких случаях ChatGPT может не предоставить правильное решение. Наша команда НЛП сыграла важную роль в создании таких систем, в частности:

Наша команда сыграла важную роль в создании таких систем, в том числе:

• Системы поиска информации, способные находить конкретные статьи в обширной базе знаний с помощью текстовых описаний.
• Голосовые помощники, которые находят нужные ответы в технической документации по неоднозначно сформулированным вопросам (поскольку пользователям часто не хватает технической терминологии)
• Автоматизированные системы распознавания и классификации поломок и неисправностей промышленного оборудования. В случае выхода из строя производственного оборудования эти системы распознают конкретную терминологию неисправностей на основе голосовых вызовов операторов производственных машин и оперативно формируют заявки на ремонт оборудования.

Обучение и настройка локальной LLM (большой языковой модели) для русского языка с целью использования, аналогично ChatGPT для внутренних документных баз данных компании