METARATINGS
«Наша оценка - это результат ваших отзывов»
BRLAB
Tехнологии MR
Tехнологии MR
01
METARATINGS (MR)
технология автоматизированного анализа семантики отзывов клиентов о товарах и услугах и составления на их базе объективных рейтингов.
02
Объективность
MR предоставляет пользователям объективную картину о поставщиках продуктов, анализируя отзывы и мнения как экспертов в сети, так и простых пользователей.
03
AI
Анализ производится с помощью каскада алгоритмов нейронных сетей и машинного обучения полностью автоматически, что позволяет быстро обрабатывать большие объемы данных, исключает ошибки из-за человеческого фактора и обеспечивает объективность на 100%.
100
+
5
+
300
+
10
+
100
+
Отзывов
Отзывы как инструмент оценки
5
+
Сайтов подключено
Каждый ваш отзыв влияет на нашу оценку
300
К+
Жалоб рассмотрено
Каждый отзыв способен что-то изменить
METARATINGS
METARATINGS
METARATINGS
METARATINGS
METARATINGS
METARATINGS
Технология позволяет:
1
Определять характеристики продуктов в тексте и отношение к ним
2
Выявлять и игнорировать подозрительные/фальшивые отзывы.
3
Строить различные аналитические отчеты: карты сантиментов, изменения отношения во времени
Компоненты взаимодействуют по принципу микросервисов
API-backend
Основной сервис, предоставляющий интерфейсы для получения результатов анализа и взаимодействия с сайтом.
- ML-подсервис
- Review-подсервис
- ML-scrapers
Web-app
Сервис отвечает за формирование административного веб-интерфейса системы ТААСО, позволяющая просматривать и управлять результатами анализа.
- Functionality
- Mathmetics
- Bug Fixing
Использованные технологии
и фреймворки
- Python
- TypeScript
- NestJS
- PostgreSQL
- TypeORM
Review-подсервис
Подсистема пост-обработки результатов анализа, агрегирующая оценки по аспектам и вычисляющая итоговый рейтинг для каждого объекта
ML-scrapers
Модуль, автоматически собирающий отзывы с внешних сайтов и источников для последующего анализа.
ML-подсервис
Подсистема машинного обучения, отвечающая за семантический анализ новых отзывов.
Такое разделение обеспечивает масштабируемость и модульность: новые отзывы собираются скрапером, сохраняются в базе данных, затем ML-подсервис обрабатывает их и сохраняет семантическую информацию (аспекты, тональность, метрики достоверности) в хранилище, откуда Review-подсервис вычисляет обновленные рейтинги и обеспечивает их выдачу через API на пользовательский фронтенд сайта.
На основе выделенных данных:
- Происходит ранжирование
- Строится Карта сантиментов (отношений к характеристикам)
Произволный параметр оценки
Произволный параметр оценки
Пример визуального отображения на сайте
Technology
Технология MR позволяет:
Определять характеристики продуктов в тексте.
Определять отношение к этим характеристикам.
Выявлять и игнорировать подозрительные/фальшивые отзывы.
Строить различные аналитические отчеты: карты сантиментов, изменения отношения во времени и др.
Компания “РБ” является участником проекта “Сколково” с 2020г. и предоставляет пользователям объективную картину о поставщиках продуктов в понятном и чистом виде, анализируя отзывы и мнения как экспертов в сети, так и простых пользователей.
Технология быстро обрабатывает большие объемы данных, исключает ошибки из-за человеческого фактора, выявляет и игнорирует подозрительные/фальшивые отзывы и обеспечивает максимальную объективность.
В сфере электронной торговли (ecommerce) и в целом в интернете поддельные отзывы уже стали привычным явлением. Недобросовестные участники рынка накопили большой опыт, позволяющий им создавать отзывы, вводящие в заблуждение существенную часть потенциальных покупателей.
Также существуют системы, автоматически размещающие отзывы и тексты согласно правилам, однако эти правила не способны включить в себя все многообразие языка. Из-за этого составление рейтингов на основе отзывов клиентов не может быть объективным.
Решение данной проблемы актуально как для локального рынка, так и для международного. И покупатели, и добросовестные производители / продавцы заинтересованы в объективных рейтингах товаров и услуг на основе анализа подлинных отзывов клиентов.
