في ظل التوسع السريع لمجالات التجارة الإلكترونية والإعلانات، تزايدت الحاجة إلى تحليلات تجارية في الوقت الحقيقي تتمتع بدقة عالية ووقت استجابة منخفض. ولتلبية هذه المتطلبات، تُعتمد عادةً أنظمة تقوم بتحويل استفسارات اللغة الطبيعية (Natural Language) إلى لغات متخصصة (Domain-Specific Languages) لضمان الاتساق الدلالي والتحقق من صحة البيانات وقابلية النقل.
ومع ذلك، تعاني أنظمة معالجة الاستفسارات المستخدمة حالياً من مشاكل متعددة تتمثل في ارتفاع زمن الانتظار والتكاليف الباهظة، مما يجعلها غير مناسبة للاستخدام على نطاق واسع في المؤسسات.
ما هو RedParrot؟
في هذه الورقة، تم تقديم RedParrot، وهو إطار عمل مبتكر يقوم بتسريع التفكير من خلال اعتماد تخزين دلالي. بعد ملاحظة أن الاستفسارات تُظهر أنماط هيكلية مستقرة ومتكررة، يتيح RedParrot إمكانية تخطي عمليات المعالجة المكلفة عن طريق مطابقة الطلبات الجديدة مع هياكل الاستفسارات المخزنة، ومن ثم تعديل لغاتها المتخصصة.
تشمل المساهمات التقنية الرئيسية لRedParrot ما يلي:
1. **استراتيجية بناء الهياكل خارج الخط**.
2. **نموذج تضمين غير مرتبط بالكيانات يتم تدريبه عبر التعلم التبايني** لتعزيز عملية المطابقة.
3. **طريقة توليد معززة بالاسترجاع (Retrieval-Augmented Generation)** التي تدمج مصادر معرفية متنوعة للتعامل مع الكيانات غير المعروفة.
نتائج تجارب مذهلة
أثبتت التجارب التي أجريت على ست مجموعات بيانات حقيقية من Xiaohongshu أن RedParrot حقق زيادة تصل إلى 3.6 مرات في السرعة وتحسناً في الدقة بنسبة 8.26%. وعلى مجموعة بيانات جديدة تم تعديلها من Spider وBIRD، حقق RedParrot زيادة في الدقة تصل إلى 34.8%، متفوقاً بشكل كبير على معايير التعلم التقليدية.
في الختام، يسهم RedParrot في تطوير بيئة أعمال أكثر كفاءة، مما يجعله خياراً جذاباً للشركات الراغبة في تحقيق ميزات تنافسية.
ما هي برأيك المجالات التي يمكن أن تستفيد من هذه التقنية الحديثة؟