ВИКОРИСТАННЯ МЕТОДІВ ОПРАЦЮВАННЯ ПРИРОДНОЇ МОВИ У ЧАТ-БОТАХ ДЛЯ ПОШУКУ ОБ’ЄКТІВ НЕРУХОМОСТІ

Анотація

У статті представлено результати комплексного дослідження ефективності застосування методів опрацювання природної мови у чат-ботах, призначених для автоматизації пошуку об’єктів нерухомості. Актуальність теми зумовлена швидким зростанням обсягів неструктурованих текстових даних, що надходять від користувачів у вигляді запитів та містяться в оголошеннях на різних онлайн-платформах. Традиційні інструменти пошуку, які працюють за принципом підбирання ключових слів, не здатні забезпечити достатню точність добірок, оскільки ігнорують контекст, семантичні зв’язки між словами та особливості природної мови.

У межах роботи створено прототип чат-бота з інтегрованим NLP-модулем, який виконує аналіз текстових запитів користувачів, визначає ключові параметри нерухомості (тип об’єкта, ціну, локацію, кількість кімнат, площу) та здійснює семантичний пошук відповідно до отриманих критеріїв. Для експериментального оцінювання було сформовано спеціалізований датасет, що включає 520 оголошень про продаж і оренду нерухомості та 75 природномовних запитів різної складності. У дослідженні порівнювалися три підходи до аналізу тексту - статистичний метод TF-IDF, нейронна модель Word2Vec та сучасна трансформерна модель BERT.

Отримані результати показали, що модель BERT значно перевершує альтернативні підходи за точністю семантичного пошуку. Точність Precision@5 досягла 0,83, що на 39 % вище порівняно з TF-IDF та на 24 % — з Word2Vec. Розроблений прототип чат-бота продемонстрував здатність формувати релевантні добірки об’єктів, зменшуючи кількість нерелевантних результатів та підвищуючи швидкість опрацювання інформації.

Результати дослідження підтверджують доцільність інтеграції сучасних NLP-моделей у системи підтримки брокерської діяльності та окреслюють перспективи подальшого розвитку інтелектуальних чат-ботів для ринку нерухомості.