ІНТЕГРАЦІЯ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ У СИСТЕМИ ОБРОБКИ КЛІЄНТСЬКИХ ЗАПИТІВ НА ОСНОВІ ЧАТ-БОТІВ
DOI:
https://doi.org/10.32689/maup.it.2025.2.32Ключові слова:
обробка клієнтських запитів, гібридна модель, семантична класифікація, великі мовні моделі, BLEU, ROUGE-L, чат-бот, оптимізація обслуговування клієнтівАнотація
Мета роботи. Запропонувати гібридну модель автоматизованого текстового обслуговування клієнтів, що поєднує семантичну класифікацію з генеративними можливостями LLM для підвищення точності, релевантності та природності відповідей.Методологія. Розроблено систему, що залежно від класифікації інтенції та емоційного тону запиту вибирає один із трьох механізмів відповіді: шаблонні правила, пошукове зіставлення або генерацію LLM. Експериментальна перевірка виконана на корпусі 7 500 запитів (автентичних і синтетичних); оцінка проведена за BLEU, ROUGE-L та експертними критеріями зрозумілості, природності й довіри користувачів.Наукова новизна. Вперше показано, що семантична маршрутизація у зв’язці з LLM формує більш стійку й адаптивну систему, здатну коректно обробляти складні або емоційно тоновані звернення. Запропонована модель перевищила базові підходи за точністю (92,1 %), BLEU 0,78, ROUGE-L 0,81 та найменшою частотою збоїв, а також отримала найвищі експертні оцінки.Висновки. Гібридна модель зменшує навантаження операторів, підвищує задоволеність користувачів і легко адаптується до динаміки поведінки клієнтів, пропонуючи одночасно емпатичні та дієві відповіді. Практичну цінність підтверджено на прикладах з електронної комерції, банківської сфери, охорони здоров’я та публічних сервісів. Виклики впровадження охоплюють інтеграцію з легасі-системами, регулярне оновлення баз знань і модерацію згенерованого контенту. Подальші дослідження спрямовано на персоналізацію, мультимодальну взаємодію, активне навчання та оптимізацію обчислювальних ресурсів, що закладає основу для розвитку передових чат-ботів у сферах з критичною потребою у високоякісній автоматизованій підтримці.
Посилання
Asai A., Min S., Zhong Z., Chen D. Retrieval-based language models and applications. Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 6: Tutorial Abstracts), July 2023. P. 41–46. URL: https://aclanthology.org/2023.acl-tutorials.6/ (date of access: 1.05.2025).
Hong M., Song Y., Jiang D., Wang L., Guo Z., Zhang C. J. Expanding chatbot knowledge in customer service: Context- aware similar question generation using large language models. arXiv preprint arXiv:2410.12444. URL: https://arxiv.org/abs/2410.12444 (date of access: 1.05.2025).
Jo S., Seo J. ProxyLLM: LLM-driven framework for customer support through text-style transfer. arXiv preprint arXiv:2412.09916. URL: https://arxiv.org/abs/2412.09916 (date of access: 1.05.2025).
Kaddour J., Harris J., Mozes M., Bradley H., Raileanu R., McHardy R. Challenges and applications of large language models. arXiv preprint arXiv:2307.10169. URL: https://arxiv.org/abs/2307.10169 (date of access: 1.05.2025).
Kruk F., Herath S., Choudhury P. BanglAssist: A Bengali-English generative AI chatbot for code-switching and dialect- handling in customer service. arXiv preprint arXiv:2503.22283. URL: https://arxiv.org/abs/2503.22283 (date of access: 1.05.2025).
Li X., Gao M., Zhang Z., Yue C., Hu H. Rule-based data selection for large language models. arXiv preprint arXiv:2410.04715. URL: https://arxiv.org/abs/2410.04715 (date of access: 1.05.2025).
Marr B. The amazing ways Duolingo is using AI and GPT-4. URL: https://bernardmarr.com/the-amazing-ways-duolingo-is-using-ai-and-gpt-4/?utm_source=chatgpt.com (date of access: 1.05.2025).
Naveed H., Khan A. U., Qiu S., Saqib M., Anwar S., Usman M. та ін. A comprehensive overview of large language models. arXiv preprint arXiv:2307.06435. URL: https://arxiv.org/abs/2307.06435 (date of access: 1.05.2025).
Nerella S., Bandyopadhyay S., Zhang J., Contreras M., Siegel S., Bumin A. та ін. Transformers and large language models in healthcare: A review. Artificial Intelligence in Medicine, 2024. Vol. 106. Art. 102900. DOI: https://doi.org/10.1016/j.artmed.2024.102900.
Rüdel T., Leidner J. L. Control in hybrid chatbots. arXiv preprint arXiv:2311.11701. URL: https://arxiv.org/abs/2311.11701 (date of access: 1.05.2025).
Wulf J., Meierhofer J. Utilizing large language models for automating technical customer support. arXiv preprint arXiv:2406.01407. URL: https://arxiv.org/abs/2406.01407 (date of access: 1.05.2025).
Xu Z., Cruz M. J., Guevara M., Wang T., Deshpande M., Wang X., Li Z. Retrieval-augmented generation with knowledge graphs for customer service question answering. Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval, July 2024. P. 2905–2909. DOI: https://doi.org/10.1145/3626772.3661370.
Yao Y., Wang P., Tian B., Cheng S., Li Z., Deng S. та ін. Editing large language models: Problems, methods, and opportunities. arXiv preprint arXiv:2305.13172. URL: https://arxiv.org/abs/2305.13172 (date of access: 1.05.2025).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Софія ШВЕЦЬ
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
