Тема магистерской диссертации: Исследование вопроса повышения эффективности функционирования голосового ассистента

Магистерская диссертация была защищена на оценку "Отлично" 18.06.2025. АП.ВУЗ показал 98,66%. С работой прилагается: Пояснительная записка, презентация, сертификат АП.ВУЗ, ссылка на практическую реализацию (ссылка на облако).

Экспериментальный проект реализует на практике ряд решений, направленных на повышение эффективности голосовых ассистентов, опираясь на методы, рассмотренные в теоретической части исследования. В рамках данной реализации разработана и внедрена система хранения и анализа истории взаимодействий. Модуль контекста фиксирует последовательность запросов и ответов, что позволяет учитывать предшествующие обращения пользователя при обработке текущей команды. Такой подход необходим при работе с контекстно-зависимыми высказываниями, в которых содержатся отсылки к ранее упомянутым объектам или действиям.
В системе предусмотрен механизм разрешения анафор, обеспечивающий подстановку вместо местоимений соответствующих понятий из контекста. Так, при последовательных запросах типа «включи свет в гостиной» и «выключи его» модуль обработки корректно соотносит местоимение «его» с ранее указанным объектом – «свет в гостиной».
Для корректной интерпретации эллиптических конструкций реализован механизм восполнения пропущенной информации на основе предыдущих реплик. К примеру, после запроса «какая погода в Москве?» система интерпретирует фразу «а в Петербурге?» как обращение с тем же намерением – узнать погоду, но для другого города, несмотря на отсутствие прямого указания.
Модуль коррекции ошибок производит обработку типичных неточностей распознавания: преобразует числительные к стандартной форме, заменяет фонетически схожие, но неверные слова на релевантные по контексту, устраняет орфографические и лексические искажения. Это способствует к увеличению устойчивости системы к помехам и нечеткой речи.
Когда система не понимает запрос пользователя или не имеет подходящего ответа, активируется fallback, который подключен к API YandexGPT.
Модуль user_pattern_stats изучает типичные способы, которыми пользователь формулирует свои запросы. Анализируя эти устойчивые речевые паттерны, система оптимизирует процесс распознавания, подстраиваясь под индивидуальный стиль общения пользователя и повышая точность обработки с течением времени.
Модуль metrics собирает данные о каждом сеансе работы системы, включая показатели качества распознавания речи (WER), точность определения намерений пользователя и частоту использования различных функций. Эта информация используется для анализа производительности системы и оценки ее эффективности в различных условиях.