• main.py - это главный файл, который координирует работу всех процессов, описывает эндпоинты и поведение сайта
• ai/llm.py и ai/main.py - это файлы, в которых происходит взаимодействие с нейросетями, там есть функции для получения описания и для обработки информации от пользователя
• в папке notebooks можно увидеть наши наработки по дополнительным функциям. Наиболее информативны файлы map_result.ipynb - это файл с наиболее рабочими наработками по картам и анализу геолокации (менее удачные варианты показаны в файлах testcords.ipynb и testmap2.ipynb); parser.ipynb -это файл с имеющимися парсерами; sentiment_analysis.ipynb - это файл, в котором представлен полный анализ отзывов со всеми результатами и этапами работы, а также некоторые парсеры

CNA-HD - это инструмент, использующий искусственный интеллект для автоматизации процесса создания всесторонних и персонализированных описаний отелей. Система использует передовые модели обработки естественного языка, методы компьютерного зрения и анализ контекстуальных данных, чтобы генерировать информативные и привлекательные описания отелей, которые учитывают потребности потенциальных клиентов.

1. Контекстуальный анализ: Система анализирует различные контекстуальные факторы, такие как местоположение, близлежащие достопримечательности, транспорт, мероприятия и отзывы пользователей, чтобы создавать описания, подчеркивающие уникальные преимущества отеля.
2. Персонализация: CNA-HD адаптирует описания отелей к индивидуальным предпочтениям и потребностям каждого клиента, обеспечивая, что контент соответствует их конкретным интересам.
3. Итеративный подход: Система позволяет владельцам отелей предоставлять отзывы и дополнительную информацию, что позволяет ассистенту постоянно совершенствовать и улучшать описания отелей со временем.
4. Масштабируемость: CNA-HD разработан для работы с большим количеством отелей, автоматически интегрируя обновленную информацию и адаптируясь к уникальным характеристикам каждого объекта.
5. Плавная интеграция: Система может быть легко интегрирована в существующие платформы бронирования отелей, обеспечивая бесшовный пользовательский опыт для клиентов.

• Обработка естественного языка: ruBERT, RuBERTa и другие передовые языковые модели для анализа тональности, аспектно-ориентированного анализа тональности и генерации текста.
• Компьютерное зрение: DETR, YOLO и CLIP для обнаружения объектов, сопоставления изображений и текста, а также визуального анализа.
• Геопространственные данные: Overpass API, OSMnx, Яндекс.Карты API и OpenWeatherMap API для сбора информации, основанной на местоположении.
• Бэкенд: Flask, Python3
• Фронтенд: HTML5, CSS3, JavaScript

CNA-HD может использоваться владельцами отелей, платформами бронирования и другими участниками индустрии гостеприимства для генерации высококачественных, персонализированных описаний отелей, которые привлекают и вовлекают потенциальных клиентов.

• MVP: Реализация основного функционала системы, включая контекстный анализ, персонализацию и итеративное улучшение.
• Доработка решения (мы тут): Включение дополнительных функций
• Готовый продукт: Расширение системы дополнительными возможностями, такими как интеграция динамических данных (например, мероприятия, погода), поддержка нескольких языков и расширенная визуализация данных.
• Пост продакшн: Исследование интеграции CNA-HD с другими связанными с гостеприимством сервисами и изучение потенциала для коммерциализации.

• Архитектура: CNA-HD использует микросервисную архитектуру, где каждый модуль (анализ геолокации, анализ фото, анализ отзывов, генерация описаний) реализован как отдельный сервис. Это повышает гибкость, масштабируемость и возможность модульной замены компонентов.
• Модели ML: Для анализа отзывов используются русскоязычные модели BERT и RuBERTa, предварительно обученные на задачах анализа тональности и извлечения аспектов. Для обнаружения объектов на фотографиях применяется модель DETR, а для сопоставления изображений и текста - CLIP.
• Хранение данных: Мы собираемся хранить данные в обьектном хранилище S3 от Yandex Cloud.
• Интеграция: CNA-HD интегрируется с внешними API (Яндекс.Карты, OpenWeatherMap, Eventbrite) для получения дополнительной контекстной информации. Готовые описания отелей могут экспортироваться в различные форматы (Markdown, HTML) для публикации на сторонних платформах.

В прототипе мы использовали библиотеку openai и провайдера OpenRouter. Библиотека openai очень удобна тем, что мы можем легко поменять провайдера. В том числе реализовать своё API и использовать модели с Hugging Face.

Демонстрация доступна по ссылке