Программа для аналитики текста: как выбрать подходящее решение?

Вебинар: «PolyAnalyst для разработки решений на основе коллаборативного мультиагентного ИИ»
PolyAnalyst для разработки решений на основе коллаборативного мультиагентного ИИ Самые частые сценарии использования генеративного ИИ Часть задач можно успешно решить с помощью всего одной ИИ-системы. Но присутствует ряд препятствий: Галлюцинации: Неприемлемо высокий уровень ошибок Нет рассуждений: Нет встроенного механизма самопроверки результатов. Идет активная работа над новыми моделями, способными рассуждать Нет ручной проверки: Требуемые время и усилия могут перевесить все преимущества от использования ИИ Контекстное окно мало: Не более 128 тысяч токенов. DeepSeek – 1 млн токенов Не решает задачи: Большинство реальных бизнес-задач слишком сложны для одной ИИ-системы Отдельно взятая ИИ-система не справляется с бизнес-задачами, выходящими за рамки составления краткого содержания или генерации контента на основе предыдущего контекста. Многие бизнес-задачи требуют мультиагентного подхода, подробнее о применении которого в системе PolyAnalyst вы узнаете из записи нашего вебинара: Альтернативная ссылка на запись на Youtube Презентация из вебинара Презентация из вебинара

Применение инструментов текстового анализа NLP для обработки множества таблиц Excel
Применение инструментов текстового анализа NLP для обработки множества таблиц Excel В видео продемонстрирован один из вариантов применения инструментов текстового анализа NLP для массовой интеллектуальной обработки электронных таблиц. На примере нескольких таблиц Excel, содержащих отчет по исполнению бюджета одного из регионов России проводится пакетная загрузка наборов таблиц. Далее ML модели под капотом PolyAnalyst разбирают таблицы, как текстово-табличные документы. Это позволяет применять NLP инструменты, в частности проводить извлечение из таблиц сущностей (денежные суммы, компании, геоадминистративные объекты, даты и т.д.). Что самое важное, аналитик может задавать правила для извлечения элементов таблиц (колонок, строк, ячеек) со специфическим содержимым. Для примера демонстрируется, как можно извлекать суммы дохода по статьям, содержащим акцизные сборы за продажу всевозможных продуктов нефтепереработки (бензина, дизеля, газойля и т.д.). Для этого возможно использовать встроенный в систему менеджер словарей, где создаются необходимые справочники (в данном кейсе справочник продуктов нефтепереработки) и с помощью однострочного правила обрабатывать одновременно сотни таблиц. Созданный в PolyAnalyst справочник продуктов…