Гібридний слот-філінг: LLM та правила для чат-ботів

Користувач каже: «Хочу квиток до Пітера на завтра». Бот відповідає: «Звідки летимо?» — класичний слот-філінг. Але коли користувач передумує або вказує відносну дату, звичайні правила ламаються. Ми вирішуємо це за допомогою гібридного підходу: поєднуємо детерміновані схеми та LLM. Гібридний підхід скорочує час розробки на 30% і знижує витрати на ручне тестування — економія бюджету в середньому 25%.

Проблеми, які вирішуємо

Неповні дані. Користувач часто забуває вказати частину параметрів. Наприклад, в одному повідомленні лише дата та напрямок, а кількість пасажирів пропущена. LLM-слот-філінг коректно ідентифікує порожні слоти та генерує уточнююче питання без додаткового коду.

Протиріччя в діалозі. У живій розмові людина може змінити рішення: «Зачекай, я хочу не бізнес-клас, а економ». Класичні фреймворки, такі як Rasa та Dialogflow, обробляють це через складні правила, а LLM просто перезаписує слот на основі нового контексту. Це знижує відсоток невдалих діалогів на 30% (згідно з нашими даними по 15 проектах).

Залежні слоти. Поле return_date обов'язкове лише якщо trip_type = "roundtrip". У LLM-підході такі залежності задаються через Pydantic-валідатори — код залишається читабельним, а логіка — перевіряється.

Чому LLM-слот-філінг ефективніший за класичний?

Порівняємо два підходи:

Ми використовуємо гібрид: для критичних слотів (наприклад, номери замовлень) — детерміновані регулярні вирази, для вільних полів — LLM. Це дає p99 latency <400 мс на 1000 RPS.

Як ми це робимо: архітектура та код

Використовуємо LangChain + pydantic.BaseModel з опціональними полями. Для підвищення точності ми використовуємо fine-tuning на ваших діалогах — це дає приріст F1 на 5-10%. Приклад схеми для бронювання авіаквитків:

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]:
    """
    Повертає: оновлені слоти + наступне питання або None, якщо все заповнено
    """
    # LLM аналізує історію, оновлює слоти
    updated = llm_extract_slots(conversation_history, current_slots)

    # Визначаємо наступний обов'язковий порожній слот
    next_question = get_next_question(updated)
    return updated, next_question

У продакшені ми мапимо відповідь LLM на FlightBookingSlots за допомогою валідації Pydantic. Якщо модель повертає неправильний тип — підставляємо fallback-значення.

Як боротися з протиріччями у даних?

Timeout слотів. Якщо користувач не завершує форму за 30 хвилин — зберігаємо чернетку та при наступному візиті питаємо: «Продовжимо бронювання?». Це підвищує конверсію на 20%.

Guided flow. Показуємо прогрес-бар: «Заповнено 3 з 5 полів». Користувач бачить, скільки кроків залишилося, і рідше кидає форму.

Типові сценарії та їх обробка

Розглянемо ще один частий кейс — замовлення товару. Слоти: артикул, кількість, адреса доставки. LLM легко видобуває артикул навіть якщо користувач називає модель словами: «мені потрібен червоний диван модель Люкс». Порівняйте з класичним підходом, де довелося б налаштовувати синоніми.

Процес роботи над слот-філінгом

1. Аналітика. Вивчаємо діалоги ваших користувачів, виявляємо типові слоти та протиріччя.
2. Проектування. Проектуємо схему слотів (Pydantic), визначаємо conditional-поля.
3. Реалізація. Інтегруємо LLM (GPT-4o або Llama 3), налаштовуємо few-shot-приклади.
4. Тестування. Перевіряємо 100+ edge-кейсів: опечатки, синоніми, зміна рішення.
5. Деплой. Розгортаємо через Docker на вашому сервері або в хмарі, налаштовуємо моніторинг.

Терміни та що входить у роботу

Орієнтовні терміни — від 2 до 6 тижнів залежно від складності. Вартість розраховується індивідуально.

До складу роботи входить:

• Документація архітектури слотів
• Вихідний код з міграціями
• Інтеграція з вашою CRM або месенджером
• Навантажувальне тестування (1000 RPS)
• Двотижнева підтримка після запуску

Наш досвід та гарантії

Ми реалізували слот-філінг для 15+ проектів у сфері travel, fintech та e-commerce. Досвід роботи з Rasa, Dialogflow, fine-tuning LLM та іншими інструментами conversation AI — понад 6 років. Гарантуємо повну підтримку на етапі впровадження.

Звертайтеся до нас для оцінки вашого проекту. Отримайте консультацію вже сьогодні — розберемо вашу задачу та запропонуємо оптимальне рішення.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.