TribalBus AI
мультиязычный классификатор намерений для заказа автобусных билетов
2 мин чтенияобновлено
Проект представляет собой исследовательскую conversational AI-систему (разговорный искусственный интеллект), созданную для распознавания запросов пассажиров и бронирования билетов на автобусы. Модель понимает сообщения на английском, урду, пушту и в их латинских транслитерациях (Roman Urdu/Pashto), извлекая из текста ключевые сущности вроде городов отправления и прибытия, дат, времени и количества мест. Система классифицирует намерения пользователя на 14 категорий и перенаправляет их в бэкенд системы бронирования. В основе лежат как классические методы (TF-IDF и LinearSVC), так и трансформерная модель Qwen3-0.6B, дообученная с помощью PEFT / LoRA (небольшой надстройки над базовой моделью для эффективного обучения).
Ключевые особенности
- Поддержка английского, урду, пушту и латинских транслитераций (Roman Urdu/Pashto).
- Распознавание 14 типов намерений (поиск рейсов, проверка мест, расписание, бронирование, отмена и др.).
- Выделение 6 категорий сущностей (пункт отправления, назначения, дата, время, количество мест и ID бронирования).
- Комбинация гибридного классификатора LinearSVC и трансформерного подхода на базе Qwen3-0.6B с LoRA.
- Архитектура безопасности, требующая обязательного подтверждения перед проведением операций с бронированием.
Что можно сделать
- Применить модель в чат-боте службы поддержки автобусных перевозок для автоматической обработки текстовых запросов пассажиров.
- Настроить мультиязычную маршрутизацию входящих сообщений на разных языках и диалектах.
- Использовать модуль извлечения сущностей для автоматического заполнения полей заказа билетов по фразам вроде «два места из Исламабада в Лахор завтра вечером».
- Интегрировать исследовательские артефакты и LoRA-адаптер в собственные конвейеры обработки естественного языка (NLP) на базе PyTorch и Transformers.
Пример
Пример структуры данных, которую система должна формировать на выходе при разборе сообщения пользователя:
{
"intent": "book_ticket",
"entities": {
"origin": "Parachinar",
"destination": "Islamabad",
"travel_date": "tomorrow",
"departure_time": "evening",
"seats": 2,
"booking_id": null
},
"requires_confirmation": true
}Подробнее
• Точность экспериментов: улучшенный Qwen LoRA показал 78.95% на тестовой выборке, гибридный классификатор — 79.21% на валидации.• Архитектура LoRA: ранг 16, alpha 32, dropout 0.05.
• Датасет: 1,510 записей (после очистки и аугментации), разделенных на обучающую, валидационную и тестовую выборки.
• Ограничения: пушту-специфичный классификатор показал меньшую точность (56.99%) из-за сложностей с расписанием и поиском рейсов.










Комментарии