ALGAKNOW, il sistema di Natural Language Understanding – NLU

AlgaKnow è un sistema di comprensione del linguaggio naturale – NLU – che può leggere un testo, svolgere l’analisi sintattica, creare le corrette relazioni tra componenti sintattiche, nonché applicare e mettere a disposizione le informazioni create, integrandosi con altri sistemi.

Contattaci per scoprire la flessibilità di AlgaKnow nel comprendere e creare conoscenza dai testi.
Estendi automaticamente il know how aziendale e le azioni che ne possono derivare: l’analisi della tua reputazione su Web e social, il confronto dei tuoi prodotti con quelli dei tuoi concorrenti, la gestione delle regole aziendali sono solo alcuni esempi. Chiedici una demo.

UN SISTEMA NLU CHE APPRENDE LEGGENDO I TESTI

Disponendo degli opportuni dizionari, AlgaKnow “apprende” semplicemente leggendo i testi e costruendo strutture informative che diventano la base per ogni tipo di successiva valutazione, domanda e interrogazione.

Come può essere utile AlgaKnow ? Algaknow può aiutare a:

• Classificare automaticamente e indirizzare correttamente le domande e le questioni alle quali una divisione aziendale deve rispondere rapidamente: problemi, email, ticket di supporto utente, lamentele, etc.)
• Preparare e popolare automaticamente una base dati ordinata e consultabile dai sistemi aziendali, partendo da testi complessi, specialistici, disordinati e non strutturati
• Rispondere automaticamente in tempo reale a domande poste in linguaggio approssimato, carente, fortemente contestualizzato.
• Preparare automaticamente riassunti di documenti lunghi, complessi o specialistici.

COMPRENDERE IL LINGUAGGIO NATURALE

Nell’esempio qui sotto, abbiamo messo al lavoro AlgaKnow su un testo di esempio che, pur essendo molto breve, abbiamo scelto appositamente perché contiene diverse complessità. La nostra piattaforma NLP ha però perfettamente compreso il testo “imparando mentre legge”.

In particolare, nota che il soggetto fondamentale del testo (“Napoleone Bonaparte”) non è citato nella frase; tuttavia, il sistema ha compreso di chi si parlava e lo ha autonomamente creato come soggetto principale (risoluzione di anafora da testi già elaborati in precedenza).

INTERROGAZIONI PIÙ EVOLUTE AL SISTEMA

Una volta che il testo è stato analizzato e classificato nelle sue componenti, è possibile interrogare il sistema (e ottenere le risposte corrette) su varie domande poste in diversi modi in linguaggio naturale, p.es. “Chi ha sposato Napoleone?” oppure “Quante volte si è sposato Napoleone?”, oppure ancora “Da chi ha avuto il figlio Napoleone?”, etc.

Con questi esempi ora è più chiaro come il nostro sistema NLP sia in grado di svolgere compiti di elevata complessità, come i seguenti:

• comprensione effettiva delle diverse parti del discorso
• identificazione delle entità (Named Entity Recognition – NER)
• identificazione delle strutture sintattiche
• identificazione della semantica (disambiguazione più forte, identificazione di ruoli e complementi)
• anaphora resolution

SUPPORTO DI UN SISTEMA NLP ALLE ATTIVITÀ QUOTIDIANE

Puoi facilmente immaginare come può essere utile un sistema come questo a supporto delle tue attività quotidiane. Per esempio, con il supporto della piattaforma AlgaKnow:

• Migliori l’automazione dei tuoi processi
• Riduci l’intervento umano
• Riduci i tempi di evasione di una richiesta al minimo possibile
• Rendi accessibili le funzioni NLP in altri processi aziendali
• Rendi strutturata una conoscenza non strutturata e puoi utilizzarla per integrazioni con gli altri sistemi aziendali

Come funziona l’apprendimento del nostro sistema NLP? Come puoi usarlo nel tuo settore, addestrarlo al tuo linguaggio e al linguaggio dei tuoi utenti? Scopri come apprende la nostra piattaforma NLP.

COME APPRENDE LA PIATTAFORMA NLP DI ALGAWARE

La piattaforma NLP di ALGAWARE apprende diverse tipologie di informazioni, in diversi modi e a diversi livelli, sia come chatbot che come piattaforma NLP. Ecco come:

• Per intent: nella terminologia classica dei chatbot, l’apprendimento “per intent” indica la categorizzazione più generale di ciò che un utente vuol dire. La capacità di comprendere “il vero intento” dell’utente è ottenuta con tecniche di Machine Learning, attraverso training basato su una serie di frasi di esempio fornite al sistema.
• Per Informazioni e preferenze utente: laddove autorizzato secondo le vigenti leggi della privacy, un chatbot basato sul nostro sistema NLP apprende informazioni direttamente dal dialogo con l’utente, estraendole dalle frasi e archiviandole per le sessioni successive.
• Machine Learning: la piattaforma parte già con un training di base per quanto riguarda l’analisi di un testo generico per individuare frasi e parole, incluse abbreviazioni e sigle; apprende poi per identificazione di entità (es: luoghi geografici, persone, nomi di opere, etc.), per classificazione documentale, per classificazione del ruolo grammaticale, etc. Naturalmente, con un training specifico aggiuntivo si può migliorare progressivamente la comprensione, adattandola alla terminologia di una particolare area di business.
• Per apprendimento del dizionario: la piattaforma NLP parte con un dizionario di oltre 400.000 forme morfologiche e oltre 100.000 significati diversi per le diverse parole, limitandosi solo all’italiano. Inoltre, ogni volta che il sistema analizza un testo, può trovare nuove parole o forme non ancora inserite nel proprio dizionario. In questo caso il sistema NLP “ipotizza” un ruolo grammaticale, unitamente ad altre caratteristiche, e la inserisce nel dizionario; il nuovo termine o la nuova forma viene poi sottoposta ad una ispezione ed eventuale correzione umana (apprendimento “man-in-the-loop”).
• Per Knowledge Graph: attraverso la lettura il sistema NLP può costruire una conoscenza strutturata, come visto sopra.

La piattaforma NLP dispone di basi di conoscenza già disponibili che costituiscono la base principale di riferimento, ma che possono essere ulteriormente estese. La piattaforma Algaware include anche:

• MultiWordnet: la base di conoscenza dei synset, progetto europeo che allinea i significati di diverse lingue europee all’originaria base dati americana, chiamata WordNet; comprende oltre 100.000 synset per la sola lingua italiana.
• Morph-it: è la base di conoscenza utilizzata per impostare il dizionario morfologico, che parte da oltre 400.000 varianti di parole.
• Basi dati di Training: le basi dati disponibili in rete per l’italiano (OpenNLP) sono state opportunamente estese e ne sono state create altre, che hanno reso più flessibile e preciso il training.
• Estensioni per domini specifici: possiamo migliorare la conoscenza base del sistema NLP estendendo le Entità base (numeri, date, sinonimi predefiniti o inusuali) utilizzate dal sistema. Possiamo aggiungere termini e sinonimi relativi ad uno specifico settore, specialmente impostando sinonimi inusuali non presenti sui dizionari (p.es. voci gergali, sigle, abbreviazioni, slang o sinonimi tipici del settore).

ATTIVARE ALGAKNOW

A seconda degli obiettivi di progetto, possiamo attivare, configurare, ottimizzare AlgaKnow sulle tue esigenze, sui tuoi sistemi e sul tuo tema di merito. Ciascun processo di installazione e configurazione richiede dei passi di consulenza necessari per inquadrare esattamente i problemi da risolvere e verso quali soluzioni dirigersi.

AlgaKnow è tra gli strumenti AI più efficaci oggi sul mercato. Contattaci per una demo e per capire meglio come può essere utile al tuo business.

Algaware è consulenza, progettazione e sviluppo di sistemi di Intelligenza artificiale; in particolare siamo specializzati in progettazione e realizzazione di sistemi NLP – Natural Language Processing. Disponiamo di una nostra piattaforma base Algaware Platform adattabile alle tue esigenze.