Нейросеть, которая «слышит» город

Студент направления «Прикладная информатика» Павел Носков защитил выпускную квалификационную работу в формате «Стартап как диплом». Он создал приложение, которое автоматически отслеживает, что пишут об организации в социальных сетях, и определяет, с какой тональностью высказываются люди.

Каждый день в городских пабликах, чатах жильцов и Telegram-каналах появляется множество сообщений. Кому-то не почистили снег во дворе, кто-то недоволен сроками сдачи дома, а кто-то хвалит новое кафе. Управляющим компаниям, застройщикам, магазинам и местным администрациям важно вовремя заметить негатив и отреагировать, пока проблема не разрослась. Но вручную просматривать такой поток сообщений трудно – для этого нужны сотрудники  и время. Павел решил эту проблему с помощью искусственного интеллекта.

Система сама собирает комментарии и посты из ВКонтакте и Telegram, отсеивает «мусор» – короткие реплики, смайлики, междометия – и передаёт оставшиеся тексты нейросети. Искусственный интеллект оценивает эмоциональную окраску каждого сообщения – позитивное, негативное или нейтральное – и одновременно определяет, к какой теме оно относится: «дороги», «уборка», «качество обслуживания», «сроки сдачи» и так далее. Причём заказчик может сам добавлять новые темы – система начнёт отслеживать их автоматически, без переобучения нейросети.

Результаты выводятся в виде понятного дашборда: графики, таблицы, рейтинг самых острых проблем. Сотрудники организации видят ситуацию в целом, благодаря чему могут быстро принять решение.

Сервис ориентирован, прежде всего, на региональные компании-застройщики, управляющие компании, локальный ритейл и сферу услуг, которым дорогие корпоративные системы мониторинга с ценами от 60 тысяч рублей в месяц просто не по карману. Разработка студента будет стоить в разы меньше – около 10 тысяч рублей в месяц, что по силам даже небольшой организации.

Маркетологи и SMM-специалисты тратят часы на чтение комментариев в соцсетях, – рассказывает Павел. – При этом многие важные сигналы теряются, а негатив всплывает, только когда уже разгорелся скандал. Я решил сделать инструмент, который будет анализировать всё автоматически и выдавать готовый отчёт.

Прототип уже протестирован на массиве из более чем 1000 реальных сообщений из кемеровских пабликов – точность определения тональности составляет около 75%.

В ближайших планах – накопить больше данных и «научить» нейросеть лучше понимать местную речь и сленг. Планируется, что после этого сервис выйдет на рынок.