Классификация договорной документации компании
Евгений Маханьков
Как опытный разработчик усовершенствовал
систему организации документов
систему организации документов
Евгений Маханьков — разработчик с 19-летним опытом работы в программировании. В процессе обучения в Университете Искусственного Интеллекта создал и протестировал нейронную сеть, которая помогает в классификации документов.
Основные цели — организация доступа к документам и усовершенствование рабочего процесса в рассылках. Все документы, хранящиеся в делопроизводственной системе, необходимо сортировать по классам. И грамотно автоматизировать процесс рассылки документов тем специалистам, которые с ними работают.
Задача — создание нейронной сети, которая сможет выбирать из всех документов договоры на создание и закупку аудиовизуальных произведений.
Нейронную сеть обучили на базе из 9500 документов, протестировали и интегрировали в разработанный Евгением web-сервис на базе django фреймворка.
Тестовая выборка для оценки качества работы нейронной сети была получена просто взятием из системы 243 новых на момент проверки документов. Метрики точности полноты на проверочной выборке показали 99% значение — верно отклассифицировано 240 документов из 243.
Также были детально изучены полученные 3 ошибки классификации на тестовой выборке. В двух случаях из трех это была ошибка в разметке данных. И в 1 оставшемся случае — сложный договор, который трудно поддавался даже ручной классификации.
Основные цели — организация доступа к документам и усовершенствование рабочего процесса в рассылках. Все документы, хранящиеся в делопроизводственной системе, необходимо сортировать по классам. И грамотно автоматизировать процесс рассылки документов тем специалистам, которые с ними работают.
Задача — создание нейронной сети, которая сможет выбирать из всех документов договоры на создание и закупку аудиовизуальных произведений.
Нейронную сеть обучили на базе из 9500 документов, протестировали и интегрировали в разработанный Евгением web-сервис на базе django фреймворка.
Тестовая выборка для оценки качества работы нейронной сети была получена просто взятием из системы 243 новых на момент проверки документов. Метрики точности полноты на проверочной выборке показали 99% значение — верно отклассифицировано 240 документов из 243.
Также были детально изучены полученные 3 ошибки классификации на тестовой выборке. В двух случаях из трех это была ошибка в разметке данных. И в 1 оставшемся случае — сложный договор, который трудно поддавался даже ручной классификации.
Евгений Маханьков
Выпускник Университета искусственного интеллекта
В процессе разработки и обучения Евгений увидел те механики, которые сработали лучше всего.
В будущем он планирует усовершенствовать свой проект и сделать классификации по большему количеству типов договоров. А также развернуть web-сервис на базе рабочих IIS серверов для того, чтобы запустить модель в работу.
В будущем он планирует усовершенствовать свой проект и сделать классификации по большему количеству типов договоров. А также развернуть web-сервис на базе рабочих IIS серверов для того, чтобы запустить модель в работу.
Дмитрий Романов
Основатель Университета искусственного интеллекта
Больше всего в дипломе Евгения радует то, что это реальная практическая бизнес-задача. Она актуальна для миллионов компаний. Дипломная работа показала, насколько легко можно решить рабочую проблему с помощью нейросети, — решить вопрос с человеческой невнимательностью и оптимизировать время сотрудников.
То, что Евгений проверил гипотезу на реальных договорах в компании и успешно распознал документы, говорит о качестве и скорости нейросетей.
То, что Евгений проверил гипотезу на реальных договорах в компании и успешно распознал документы, говорит о качестве и скорости нейросетей.
Денис Яцышин
Сергей Шепелевич
Александр Субочев