Details
Title | Developing an advanced FAQ system // Системный анализ в проектировании и управлении: сборник научных трудов XXVIII Международной научно-практической конференции, 27–29 июня 2024 года: [в 2 частях]. Ч. 2 |
---|---|
Creators | Scerbakov Nikolai V. ; Rezedinova Eugenia U. ; Schukin Alexander V. |
Organization | Технический университет города Грац ; Санкт-Петербургский политехнический университет Петра Великого |
Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2024 |
Electronic publication | 2025 |
Collection | Общая коллекция |
Document type | Article, report |
File type | |
Language | English |
DOI | 10.18720/SPBPU/2/id24-517 |
Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
Additionally | New arrival |
Record key | RU\SPSTU\edoc\76395 |
Record create date | 7/2/2025 |
In this paper, we discuss the architecture and algorithms for developing modern FAQ applications, with a particular focus on systems that support natural language Question-Answer dialogue (QAD). We categorize QAD systems into two types: those based on neural networks trained on large datasets of question-answer pairs, and systems based on metrics for defining distance between natural language sentences. The paper proposes and investigates an alternative approach that focuses on calculating the distance between predefined questions and the current user query. The computed distance value is then used by the system to dynamically retrieve the best-match answer for any user question. By eliminating the need for re-training, this method promises a more efficient and adaptable FAQ system. The paper aims to delve into the architecture, advantages, and limitations of these systems, providing a comprehensive overview of current trends and future directions in the development of sophisticated FAQ applications.
В этой статье мы обсуждаем архитектуру и алгоритмы разработки современных приложений для поиска часто задаваемых вопросов, уделяя особое внимание системам, поддерживающим диалог вопросов и ответов на естественном языке (QAD). Мы разделяем QAD-системы на два типа: системы, основанные на нейронных сетях, обученных на больших наборах данных, состоящих из пар вопрос-ответ, и системы, основанные на метриках для определения расстояния между предложениями на естественном языке. В статье предлагается и исследуется альтернативный подход, который фокусируется на расчете расстояния между предопределенными вопросами и текущим запросом пользователя. Вычисленное значение расстояния затем используется системой для динамического поиска наиболее подходящего ответа на любой вопрос пользователя. Устраняя необходимость в повторном обучении, этот метод обеспечивает более эффективную и адаптируемую систему ответов на часто задаваемые вопросы. Цель данной статьи – углубиться в архитектуру, преимущества и ограничения этих систем, предоставив всесторонний обзор текущих тенденций и будущих направлений в разработке сложных приложений для поиска часто задаваемых вопросов.
Access count: 13
Last 30 days: 13