Извлечение параметров диалога: гибрид с LLM и правилами для чат-ботов

Пользователь говорит: «Хочу билет в Питер на завтра». Бот отвечает: «Откуда летим?» — классический слот-филлинг. Но когда пользователь передумывает или указывает относительную дату, обычные правила ломаются. Мы решаем это с помощью гибридного подхода: сочетаем детерминированные схемы и LLM. Гибридный подход сокращает время разработки на 30% и снижает затраты на ручное тестирование — экономия бюджета в среднем 25%.

Проблемы, которые решаем

Неполные данные. Пользователь часто забывает указать часть параметров. Например, в одном сообщении только дата и направление, а количество пассажиров опущено. LLM-слот-филлинг корректно идентифицирует пустые слоты и генерирует уточняющий вопрос без дополнительного кода.

Противоречия в диалоге. В живом разговоре человек может изменить решение: «Подожди, я хочу не бизнес-класс, а эконом». Классические фреймворки, такие как Rasa и Dialogflow, обрабатывают это через сложные правила, а LLM просто перезаписывает слот на основе нового контекста. Это снижает процент неудачных диалогов на 30% (согласно нашим данным по 15 проектам).

Зависимые слоты. Поле return_date обязательно только если trip_type = "roundtrip". В LLM-подходе такие зависимости задаются через Pydantic-валидаторы — код остаётся читаемым, а логика — проверяемой.

Почему LLM-слот-филлинг эффективнее классического?

Сравним два подхода:

Мы используем гибрид: для критичных слотов (например, номера заказов) — детерминированные регулярные выражения, для свободных полей — LLM. Это даёт p99 latency <400 мс на 1000 RPS.

Как мы это делаем: архитектура и код

Используем LangChain + pydantic.BaseModel с опциональными полями. Для повышения точности мы используем fine-tuning на ваших диалогах — это даёт прирост F1 на 5-10%. Пример схемы для бронирования авиабилетов:

class FlightBookingSlots(BaseModel):
    origin: str | None = None
    destination: str | None = None
    departure_date: str | None = None
    return_date: str | None = None
    passengers_count: int = 1
    travel_class: Literal["economy", "business"] = "economy"

def extract_and_fill_slots(
    conversation_history: list[dict],
    current_slots: FlightBookingSlots
) -> tuple[FlightBookingSlots, str | None]:
    """
    Возвращает: обновлённые слоты + следующий вопрос или None если все заполнены
    """
    # LLM анализирует историю, обновляет слоты
    updated = llm_extract_slots(conversation_history, current_slots)

    # Определяем следующий обязательный пустой слот
    next_question = get_next_question(updated)
    return updated, next_question

В продакшене мы маппим ответ LLM на FlightBookingSlots с помощью валидации Pydantic. Если модель возвращает неверный тип — подставляем fallback-значение.

Как бороться с противоречиями в данных?

Timeout слотов. Если пользователь не завершает форму за 30 минут — сохраняем черновик и при следующем визите спрашиваем: «Продолжим бронирование?». Это повышает конверсию на 20%.

Guided flow. Показываем прогресс-бар: «Заполнено 3 из 5 полей». Пользователь видит, сколько шагов осталось, и реже бросает форму.

Типовые сценарии и их обработка

Рассмотрим ещё один частый кейс — заказ товара. Слоты: артикул, количество, адрес доставки. LLM легко извлекает артикул даже если пользователь называет модель словами: «мне нужен красный диван модель Люкс». Сравните с классическим подходом, где пришлось бы настраивать синонимы.

Процесс работы над слот-филлингом

1. Аналитика. Изучаем диалоги ваших пользователей, выявляем типичные слоты и противоречия.
2. Проектирование. Проектируем схему слотов (Pydantic), определяем conditional-поля.
3. Реализация. Интегрируем LLM (GPT-4o или Llama 3), настраиваем few-shot-примеры.
4. Тестирование. Проверяем 100+ edge-кейсов: опечатки, синонимы, смена решения.
5. Деплой. Разворачиваем через Docker на вашем сервере или в облаке, настраиваем мониторинг.

Сроки и что входит в работу

Ориентировочные сроки — от 2 до 6 недель в зависимости от сложности. Стоимость рассчитывается индивидуально.

В состав работы входит:

• Документация архитектуры слотов
• Исходный код с миграциями
• Интеграция с вашей CRM или мессенджером
• Нагрузочное тестирование (1000 RPS)
• Двухнедельная поддержка после запуска

Наш опыт и гарантии

Мы реализовали слот-филлинг для 15+ проектов в сфере travel, fintech и e-commerce. Опыт работы с Rasa, Dialogflow, fine-tuning LLM и другими инструментами conversation AI — более 6 лет. Гарантируем полную поддержку на этапе внедрения.

Свяжитесь с нами для оценки вашего проекта. Получите консультацию уже сегодня — разберём вашу задачу и предложим оптимальное решение.

NLP разработка: классификация текстов, NER, эмбеддинги и извлечение информации

К нам приходит задача: обрабатывать 50 тысяч обращений в службу поддержки — сейчас всё вручную. Датасет — 3000 размеченных примеров, 12 категорий, дисбаланс: одна категория занимает 40% выборки, три по 1-2%. Baseline accuracy — 78%. Звучит неплохо, пока не смотришь на recall по редким классам: 0.31, 0.44, 0.28. Именно эти классы — жалобы и угрозы оттока — важнее всего бизнесу.

Это типичный проект NLP разработки. Проблема не в алгоритме, а в том, что accuracy — не та метрика. Наш опыт показывает: в 30+ проектах мы начинаем с анализа бизнес-метрик и только потом выбираем модель.

Почему accuracy — не та метрика для редких классов?

Accuracy игнорирует дисбаланс. Если класс «отток» встречается в 2% случаев, модель может предсказывать «всё хорошо» и получить 98% accuracy — но бизнес теряет клиентов. Решение: F1 macro (усреднение по всем классам) или weighted F1. Для NER — strict entity F1 (только точные совпадения). Гарантируем: после выбора правильной метрики качество модели становится измеримым и прогнозируемым.

Классификация текста: от BERT до дистилляции

BERT-подобные модели — стандарт для классификации. ruBERT-base или ruBERT-large от DeepPavlov для русского языка. multilingual-e5-large — если нужно работать с несколькими языками в одном пайплайне. XLM-RoBERTa-large — сильный multilingual backbone.

Fine-tuning для классификации: добавляем classification head поверх [CLS]-токена, обучаем 3-5 эпох с lr=2e-5, weight decay=0.01. При дисбалансе — weighted CrossEntropyLoss или focal loss с gamma=2.0. Пишите — покажем code snippet.

Кейс с дисбалансом. Датасет — 3000 примеров, дисбаланс 1:20. Решение: class_weight через sklearn + CrossEntropyLoss. Дополнительно — augmentation редких классов через backtranslation (ru→en→ru через MarianMT). Recall по редким классам вырос с 0.31 до 0.67 при незначительном падении accuracy (76%→74%). Полная NLP разработка под ключ заняла 3 недели.

Дистилляция для production. BERT-large даёт F1 0.89, но inference на CPU — 180ms. Дистилляция в DistilBERT или ruBERT-tiny2 снижает latency до 25ms при F1 0.84. Экспорт в ONNX Runtime даёт дополнительный 1.5-2x. Оценим проект — рассчитаем экономию на инфраструктуре.

NER: распознавание именованных сущностей

NER — извлечение персон, организаций, локаций, дат, сумм, номеров документов. Для общих категорий (PER, ORG, LOC) предобученные модели работают хорошо. Для специализированных (медицинские термины, юридические понятия) — нужен fine-tuning.

Разметка данных. Основная стоимость NER-проекта. Для качественной модели — 500-2000 размеченных предложений на каждый тип сущности. Инструменты: Label Studio (open source) или Prodigy (от создателей spaCy). Формат IOB2 — стандарт.

Архитектура. Token classification поверх BERT: каждому токену метка (B-PER, I-PER, O). spaCy 3.x с transformer pipeline — удобный production-выбор.

Вложенные сущности. Стандартные IOB-модели не обрабатывают вложенные сущности (организация внутри адреса). Для таких задач — span-based NER: SpanBERT или SpERT. Сложнее, но правильно.

Постобработка обязательна. Модель предсказывает токены — нужны нормализованные сущности. Дата — dateparser. Суммы — regex + валидация. Имена — дедупликация через rapidfuzz. Входит в нашу стандартную поставку.

Sentiment Analysis и opinion mining

Бинарная классификация positive/negative работает с BERT из коробки. Сложность — аспектная тональность (ABSA): «в ресторане хорошая кухня, но ужасный сервис». Для ABSA: aspect extraction (NER) + sentiment по каждому аспекту. Joint модели BERT-for-ABSA — качество на русских данных ниже из-за дефицита датасетов. RuSentiment, SentiRuEval — основные ресурсы.

Для продакшена с простым позитив/негатив/нейтраль: distil-модели достаточно. Три класса, balanced датасет, 2000+ примеров — F1 macro 0.82-0.87 за 1-2 дня.

Суммаризация текста

Экстрактивная суммаризация (выбираем предложения) — TextRank или BM25 без обучения. Быстро, не галлюцинирует. Хорошо для длинных документов.

Абстрактивная (генерирует новый текст) — seq2seq: mT5, mBART, FRED-T5, ruT5-large. Для production через LLM API (GPT-4, Claude) — часто лучший трейдофф стоимость/качество/скорость.

Эмбеддинги: векторные представления текста

Эмбеддинги — основа семантического поиска, дедупликации, кластеризации, RAG. Качество критически влияет на downstream задачи.

Модели. E5-large-v2, BGE-M3, multilingual-e5-large — сильные multilingua embedders. sentence-transformers/paraphrase-multilingual-mpnet-base-v2 — быстрый вариант. Для русского: ru-en-RoSBERTa (Skoltech) хорош на semantic textual similarity.

Как оценить качество эмбеддингов? MTEB benchmark — стандарт. Но топовые результаты на MTEB не гарантируют успех на доменном датасете — строим домен-специфичный eval.

Fine-tuning эмбеддингов. Если стандартные модели не дают нужного Recall@k — contrastive learning на доменных парах с MultipleNegativesRankingLoss. 500-2000 пар, 1-3 эпохи — 5-15% прирост Recall@k.

Размерность и хранение. E5-large: 1024 dim, float32 — 4KB на вектор. При 10M документов — 40GB. Квантизация int8 снижает до 10GB. FAISS IVF_PQ — ещё компактнее, но с потерями. Входит в наши рекомендации по деплою.

Извлечение информации

Структурированное извлечение — одна из частых задач. Примеры: ключевые условия договора, технические характеристики, даты и суммы из счетов.

1. Regex + rule-based. Для ИНН, ОГРН, сумм, дат — надёжнее нейросети. Не требует данных.
2. NER + постобработка. Для вариативных форматов.
3. LLM с structured output. GPT-4 / Claude с JSON schema — для сложных документов. Стоимость: ~$0.001-0.01 на документ. Для 10k+ документов/день — считаем экономику.

Гарантируем гибрид: regex/NER для типовых полей + LLM для edge cases. Сертификат доверия: 5 лет на рынке, >30 проектов.

Этапы работы

Прототип на существующих данных — 1-3 недели. Production-система с CI/CD — 1.5-2.5 месяца. Стоимость рассчитывается индивидуально — напишите, получите консультацию и оценку.

Что входит в работу

• Документация по архитектуре модели и пайплайну
• Доступы к модели через REST API (FastAPI + ONNX)
• Обучение команды заказчика (2 часа вебинара + Q&A)
• Гарантия на точность модели на оговоренной тестовой выборке
• Поддержка 3 месяца после сдачи (багфикс, адаптация под новые данные)

Наш опыт

Более 5 лет в NLP, 30+ проектов от классификации до RAG-систем. Команда включает ML-инженеров с опытом в Hugging Face, spaCy, LangChain, MLOps. Используем vLLM, Kubeflow, Weights & Biases — продакшен-стек, а не игрушки. Пишите — оценим проект за 2 дня.