Решение кейса "Анализатор обратной связи студентов" в рамках хакатона Цифровой прорыв

Описание кейса:

• В рамках кейса было необходимо автоматизировать анализ отзывов студентов на курсы от компании GeekBrains

Описание решения:

• Мы предлагаем высокотехнологичное решение для анализа отзывов студентов, а так же интерпретируемые визуализации на web-сайте. Наше решение использует модели LLM, что позволяет нам добиться хороших рекомендаций по улучшению пользовательского опыта. Реализован веб интерфейс и телеграм бот с обширным функционалом
• В стеке используемых технологий присутствует модель LLM: Saiga-Mistral-7B, RuBert, сайт написан на FastAPI+Vue.js, что позволяет легко его масштабировать
• Уникальность нашего решения заключается в разнобразии визуализаций, например с аспектами недовольства/удовлетворения юзера, что позволяет наиболее точно принимать решение по изменению вебинаров

Структура репозитория:

1. /inference - папка с кодом инференса для моделей LLM, RuBert, SPAN-ASTE, Emotional-Bert. Также здесь кластеризация отзывов и отдельных вопросов из них
2. /triplets - папка анализом триплетов, построением графиков и кластеразацией аспектов/мнений/аспектов+мнений
3. /web - папка с последней версией кода(рекомендуется использовать докер)
4. /streamlit - папка с кодом для запуска небольшой демонстрации графиков и функционала на streamlit [LIVE DEMO]

Инструкции по запуску кода

1. LLM:

   • для инференса LLM необходимо скачать модель с huggingface TheBloke/saiga_mistral_7b-AWQ (код есть в соответсвующем ноутбуке)
   • использовать функцию в соответсвующем ноутбуке

2. Основная задача(инференс на одном отзыве):

   • выполнить команду python inference/Bert+ASTE/main_inference.py main_inference.py --file **path/to/data.csv**

3. Запусе веб-интерфейса + бота:

   • установить докер
   • сначала запустить api:
     • docker pull shadowp1e/fastapi-backend
     • docker run shadowp1e/fastapi-backend
   • затем tg бота:
     • docker pull shadowp1e/tg-bot
     • docker run shadowp1e/tg-bot

4. Запуск демонстрации графиков на streamlit:

   • cd streamlit
   • streamlit run streamlit_app.py

Давайте вместе сделаем обучение студентов GeekBrains более удобным и эффективным!

ALT+F4