Einheitlicher Ansprechpartner 2.0 / Suchtechnologie und Chatbots. Berlin,

Größe: px

Ab Seite anzeigen:

Download "Einheitlicher Ansprechpartner 2.0 / Suchtechnologie und Chatbots. Berlin,"

Hertha Meinhardt
vor 6 Jahren
Abrufe

1 Einheitlicher Ansprechpartner 2.0 / Suchtechnologie und Chatbots Berlin,

2 Suchmethoden im Überblick Keyword-basierte Suche Semantische Suche machine learning Suche Exakte Suche nach Textketten Suche nach abfall wird übersetzt in *abfall* und findet z.b. Abfallgebühr Bioabfall Gartenabfall aber leider auch z.b. abfallende Teile und leider nicht Register zur Entsorgung von Abfällen (wird aber oft durch phonetische Suche ergänzt) Nutzung von Hintergrundwissen (z.b. Thesauri, semantische Netze, Ontologien), um Suche zu verbessern Bei EA sind das z.b. die Synonyme im LeiKa-Plus (als Thesaurus), womit dann bei abfall auch Hausmüll gefunden wird Lerndaten bringen der Maschine stochastische Zusammenhänge bei, die dann auch bei ganz anderen Suchanfragen funktionieren Nutzerverhalten schult die Suchmaschine kontinuierlich Beispiele für machine learning Google (Suche) Amazon (Suche und Produktempfehlung)

3 Was kann machine learning? Unstrukturierte Daten erkennen und analysieren Komplexe Fragen verstehen Antworten und Lösungen präsentieren Natürlich-sprachige Fragen beantworten Echte Informationen aus Dokumenten extrahieren und verstehen Erkenntnisse, Muster und Verbindungen in Daten erkennen

Wie läuft machine learning ab? am Beispiel EA 2.0 1. LeiKa-Katalog laden (992426382828 Abfallentsorgung) 2. LeiKa-Synonyme aus LeiKa-Plus laden 3. D115-Top100 laden 4.

4 Wie läuft machine learning ab? am Beispiel EA LeiKa-Katalog laden ( Abfallentsorgung) 2. LeiKa-Synonyme aus LeiKa-Plus laden 3. D115-Top100 laden 4. Listen der Bundesländer laden, die bereits LeiKa-Code mit Dienstleistungstext verbunden haben 5. (automatische Kodierung von Leistungen für verbliebene Bundesländer) 6. Nachkorrigierte Listen der Bundesländer laden 7. (aus Nutzerverhalten lernen)

5 DEMO

6 Zusammenfassung machine learning Vorteile Ist mindestens so gut wie keyword search und semantic search (aber i.d.r. sogar besser) versteht natürlich sprachige Anfragen (kein Verwaltungsdeutsch notwendig) Erfordert relativ wenig Verwaltungsarbeit vorab (es müssen keine Thesauri, semantischen Netze oder Ontologien gebaut werden) Nachteile Muss benutzt werden, um besser zu werden (und damit auch zu funktionieren) Macht daher nur zentral betrieben Sinn

Dialogische Suche / Chatbot Eine Suchmaschine mit machine learning kann auch Suchdialoge unterstützen, um alle für eine vollständige Suchabfrage notwendigen

7 Dialogische Suche / Chatbot Eine Suchmaschine mit machine learning kann auch Suchdialoge unterstützen, um alle für eine vollständige Suchabfrage notwendigen Informationen beim Benutzer zu erfragen (LeiKa-Code und Ort/AGS). Ebenso sind Audioeingaben in entsprechende Dialoge übersetzbar (wie bei Google s Suchmaske).

8 DEMO

9 Zusammenfassung Chatbot Vorteile Multichannel Im eigenen Portal zu integrieren In allen gängigen Messengern In allen Social Media-Plattformen (Facebook, Twitter, ) Mehrsprachigkeit Für viele Szenarien schnell zum Ziel Näher am Bürger/Unternehmen als eine normale Internetseite Laut IT-Experten die Ablösung der App- Technologie Nachteile Muss benutzt werden, um besser zu werden (und damit auch zu funktionieren) Macht daher nur zentral betrieben Sinn

10 Thank! Kontakt d-nrw Besitz-GmbH & Co. KG Rheinische Straße Dortmund Telefon info@d-nrw.de Kontakt publicplan GmbH Bilker Str Düsseldorf Telefon info@publicplan.de YOURLOGO

11 Wie funktioniert machine learning? Phase 1 Phase 2 Phase 3 Daten laden Lernen Aktualisierung Unstrukturiert: Internetseiten, Dokumente Strukturiert: Zuständigkeiten, Offene Daten Lernen eines Themas durch Laden von Trainingsdatensätzen (Frageund Antwortpaare; manuelles Lernen oder automatisches Lernen) Beim Laden neuer Daten werden diese automatisch verstanden. Wie funktioniert dann die Suche? 1. Neben klassischen Suchanfragen warden auch muttersprachliche Fragen akzeptiert und verstanden. 2. Der Suchindex wird klassisch durchsucht. 3. Auf Basis der Lerndaten wird ein individueller Scoring-Algorithmus ermittelt. 4. Alle möglichen Treffer werden mit dem Scoring gewichtet und gefiltert.

Ähnliche Dokumente

Der GovBot zu Besuch beim Expertenforum

Der GovBot zu Besuch beim Expertenforum Expertenforum Intelligente Algorithmen am 16.10.2017 Dr. Christian Knebel, Geschäftsführer knebel@publicplan.de Michael Egen, Senior Account Manager egen@publicplan.de