Downloaded 23 times
![BUILDING
ですが
SYMBOL
こちら
は
ペット
可
でしょ
う
か
[-0.64852, -2.30104, 0.44202, -0.87877…, -0.61268]
[-0.70635, 0.32973, 0.64824, -0.58188…, 0.40056]
[-0.97513, -0.71315, 0.15730, -0.63518…, -1.85990]
[-3.50369, -1.36903, 4.24888, -0.79639…, -2.15011]
[-0.17241, 0.78249, -0.25915, -2.14393…, -1.08305]
[0.51617, 0.64729, 0.84313, 0.28703…, -1.11040]
[1.39577, 2.18377, 0.25073, -0.72479…, -0.20966]
[-0.36539, 0.04446, 1.17888, 1.62269…, -0.98744]
[-1.13693, -1.19480, 1.84206, -2.55662…, 0.574193]
[-.45878, 1.46096, 2.34711, -2.39600…, -0.37915]
Step4 単語のベクトル化（Word Embedding）](https://image.slidesharecdn.com/ai-160723211402/75/slide-16-2048.jpg)
![[-0.64852, -2.30104, 0.44202, -0.87877…, -0.61268]
[-0.70635, 0.32973, 0.64824, -0.58188…, 0.40056]
[-0.97513, -0.71315, 0.15730, -0.63518…, -1.85990]
[-3.50369, -1.36903, 4.24888, -0.79639…, -2.15011]
[-0.17241, 0.78249, -0.25915, -2.14393…, -1.08305]
[0.51617, 0.64729, 0.84313, 0.28703…, -1.11040]
[1.39577, 2.18377, 0.25073, -0.72479…, -0.20966]
[-0.36539, 0.04446, 1.17888, 1.62269…, -0.98744]
[-1.13693, -1.19480, 1.84206, -2.55662…, 0.574193]
[-.45878, 1.46096, 2.34711, -2.39600…, -0.37915]
Step5 判別（Classification）
227
(ペットに関する質問)
KerasのLSTMを使ってメッセージの種類を判別する](https://image.slidesharecdn.com/ai-160723211402/75/slide-18-2048.jpg)
チャットボットの自動返信について
- 1.
- 3.
- 4.
- 6.
- 7. Step1 文分割（Sentence Segmentation） Step2固有名詞抽出（Named Entity Recognition） Step4 単語のベクトル化（Word Embedding） Step5 判別（Classification） Step6 メッセージの作成 Step3 わかち書き（Tokenization）
- 8. Step4 単語のベクトル化（Word Embedding） Step5判別（Classification） 機械学習
- 9.
- 10. Step1 文分割（Sentence Segmentation） アトラス板橋ですが、こちらはペット可でしょうか？ よろしくお願いします。 １-アトラス板橋ですが、こちらはペット可でしょうか ２- よろしくお願いします 「。！？…」でメッセージを区切る
- 11. Step2 固有名詞抽出（Named EntityRecognition）
- 12. Step2 固有名詞抽出（Named EntityRecognition） アトラス板橋ですが、こちらはペット可でしょうか 建物名、駅、URL、メールアドレス、数字、記号 などを辞書と正規表現を使ってキーワードに置き換える BUILDINGですがSYMBOLこちらはペット可でしょうか
- 13.
- 14.
- 15.
- 16. BUILDING ですが SYMBOL こちら は ペット 可 でしょ う か [-0.64852, -2.30104, 0.44202,-0.87877…, -0.61268] [-0.70635, 0.32973, 0.64824, -0.58188…, 0.40056] [-0.97513, -0.71315, 0.15730, -0.63518…, -1.85990] [-3.50369, -1.36903, 4.24888, -0.79639…, -2.15011] [-0.17241, 0.78249, -0.25915, -2.14393…, -1.08305] [0.51617, 0.64729, 0.84313, 0.28703…, -1.11040] [1.39577, 2.18377, 0.25073, -0.72479…, -0.20966] [-0.36539, 0.04446, 1.17888, 1.62269…, -0.98744] [-1.13693, -1.19480, 1.84206, -2.55662…, 0.574193] [-.45878, 1.46096, 2.34711, -2.39600…, -0.37915] Step4 単語のベクトル化（Word Embedding）
- 17.
- 18. [-0.64852, -2.30104, 0.44202,-0.87877…, -0.61268] [-0.70635, 0.32973, 0.64824, -0.58188…, 0.40056] [-0.97513, -0.71315, 0.15730, -0.63518…, -1.85990] [-3.50369, -1.36903, 4.24888, -0.79639…, -2.15011] [-0.17241, 0.78249, -0.25915, -2.14393…, -1.08305] [0.51617, 0.64729, 0.84313, 0.28703…, -1.11040] [1.39577, 2.18377, 0.25073, -0.72479…, -0.20966] [-0.36539, 0.04446, 1.17888, 1.62269…, -0.98744] [-1.13693, -1.19480, 1.84206, -2.55662…, 0.574193] [-.45878, 1.46096, 2.34711, -2.39600…, -0.37915] Step5 判別（Classification） 227 (ペットに関する質問) KerasのLSTMを使ってメッセージの種類を判別する
- 19.
- 20.
- 21.
- 22.
- 23.
Editor's Notes
- #2 Hi, my name is Kenzo. I’m a software engineer at Itandi. In this video, I’m going to introduce you to Itandi. After watching the video, I hope you have a rough idea of what we do and why it’s important. Our mission is to change the outdated Japanese real estate industry by simplifying real estate transactions.
- #4 スマホでやりとりを完結できないのか。 問い合わせをしても電話営業や来店誘導ばかりでうんざりしていました。 なぜ今までスマホ完結型のサービスがなかったのか。
- #5 実際にサービス運営をしてわかったのは、チャットで取引するのはとても大変だということです。 細かいやりとりが非常に多く、客数に合わせてスタッフもどんどん増やさないといけない。 そんな課題が立ちはだかりました
- #7 今までの１０万件のメッセージデータを解析することで、 ユーザーの質問に自動返答ができるAIチャットを開発しました。 AIが回答できない質問は社内スタッフが対応して、学習データにして精度を上げていきます。
- #24 私たちはテクノロジーを駆使して、不動産取引をアナログからデジタルへ もっともっと滑らかにしていきます。以上、イタンジでした。