да, помнишь фильм такой был, малыш Джуниор

Добрый вечер всем. Стоит такая задача:
Есть обьявления, состоят из заголовка + описание + картинки.
Стоит 3 задачи, определить правильная ли категория, правильный ли заголовок и не продается что-то нелегальное.
Пытался делать так для категорий : title + body + Efficient вытаскивал текст с картинки(что там) , энкодил tf-idf  потом SVC и выходит 85 max % accuracy, но в проде это все падает то 75.
Насчет правильного заголовка я в замещательстве. Как мне дать алгоритму понять чтобы он смотрел что в заголовке например Iphone 5 а в описание Samsung s7 и это не правильно?
Придется делать multiple input для модели?
Подскажите пожалуйста направление, или что гуглить/использовать.
Благодарю.

Всем добрый день! Подскажите, есть ли готовые/полуготовые классификаторы профессий на русском?

Здравствуйте! Решили разработать экспертную систему на PyKE. Появилась идея попробовать автоматизировать создание продукционных правил. Буду благодарен, если подскажите AI-инструменты для автоматизации подготовки продукционных правил.

если такие инструменты существуют ...

нагуглил несколько статей про ANFIS – Adaptive Network Based Fuzzy Inference System – адаптивная сеть нечеткого вывода. это в тему?

кто-то с механизмом логического вывода, экспертными системами дело имел?
продукционные правила создают на основании знаний экспертов. мы хотим автоматизировать с использованием AI процесс подготовки продукционных правил)
скажите, это, на Ваш взгляд, фантастическая задача?

Хотите изобрести https://ru.wikipedia.org/wiki/%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D0%BE_%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B9 ?

Спасибо. Изучаю

С моей точки зрения это больше похоже на https://en.wikipedia.org/wiki/Binary_decision_diagram
А это практически NP-полная задача

Кажется тебе надо реализовать два эмбеддера для заголовка и тела, после чего на них делать классификацию

Например:
https://arxiv.org/abs/1905.01969

Добрый вечер всем. Стоит такая задача:
Есть обьявления, состоят из заголовка + описание + картинки.
Стоит 3 задачи, определить правильная ли категория, правильный ли заголовок и не продается что-то нелегальное.
Пытался делать так для категорий : title + body + Efficient вытаскивал текст с картинки(что там) , энкодил tf-idf  потом SVC и выходит 85 max % accuracy, но в проде это все падает то 75.
Насчет правильного заголовка я в замещательстве. Как мне дать алгоритму понять чтобы он смотрел что в заголовке например Iphone 5 а в описание Samsung s7 и это не правильно?
Придется делать multiple input для модели?
Подскажите пожалуйста направление, или что гуглить/использовать.
Благодарю.

В целом кажется что текст из картинки собирать не надо, нужно брать оттуда хидден Стейт и делать классификацию уже на нем

Очень адекватный отзыв на эту работу

не подскажите какой-нить open-source конструктор ботов для vk с возможность редактирования графовых сценариев диалогов?

Не знаю, насчет графовых сценариев
Но лучшие библиотеки для VK Ботов - vkwave и vkbottle

спасибо

А просто разбить заголовок на слова,выделить именованные сущности айфон,например,и смотреть,есть ли он в тексте просто in , почему так нельзя? А картинка и текст отдельно,а потом результаты совместить,или я задание не понимаю?

Ну во первых таким образом нам явно придется задавать маппинг сущностей какой-то. Потому что айфон он и iphone, но при этом айфон 10 != айфон 9. Поэтому при наличии датасета я бы попытался решить это мощными языковыми моделями.