Руководитель
Марина
Полушко
Ключевой функционал
- Распределение письма по списку исполнителей
Актуальность и особенности
- Уникальный, специфический для Академии набор данных;
- Возможность доработки каждого блока сервиса под тематику и особенности корреспонденции заказчика;
- Использования сервиса как через API, так и развёртывание на стороннем сервере;
- Простой и интуитивно понятный пользователю интерфейс без необходимости обучения;
- Возможность интеграции с системами ЭДО (в т.ч. закрытого контура).
технологии
- open-source библиоти работы с pdf-документами: PyPDF2, pdfreader, fitz и др.
- технологии оптического распознавания символов (OCR): Tesseract, easyOCR и др.
- выделение именованных сущностей из распознанного текста с помощью нейронных сетей (BERT, DeepPavlov, T5 и др.)
- библиотеки машинного обучения (градиентный бустинг) для определелния ответственного получателя: XGBoost, scikit-learn
таймлайн реализации проекта
1 шаг
Расширение словаря отправителей
2 шаг
Интеграция LLM для суммаризации текста письма
3 шаг
Доработка модели классификации по исполнителю
Пайплайн решения
Анализ задачи,
подбор технологий
подбор технологий
>10 сервисов распознавания текста, 5 научных статей, ряд релевантных соревнований на платформе Kaggle:
- Существует ряд готовых решений, но все они платные
- Подробное описание используемых технологий практически не представлено работа с письмами в закрытом контуре
- (Directum) осложняет использование готовых решений
- В силу разного качества и типа документов, придётся комбинировать различные технологии для выделения информации из письма
Необходимо создать собственное решение
c выходом на пилотное внедрение до конца года
метрики
текущего
mvp
текущего
mvp
97-99%
точность выделения заданных групп адресатов
>4 из 5
более 90% сформированных кратких содержаний оценены асессорами на “хорошо” и “отлично”
0,98
CES даты регистрации документа в РАНХиГС