Jeg håber der sidder nogen herinde der kan hjælpe mig med min forespørgsel:
Lige på og hårdt; Hvad kender i til begrebet deep learning/machine learning? (Jeg ved DTU har flere forskellige kurser om det http://deep-learning.compute.dtu.dk/)
Mit spørgsmål går på den mere tekniske del af det da jeg har fået en idé i forbindelse med mit arbejde. Det jeg vil er at scanne et word document med juridisk indhold på 30-40 sider, hvorefter algoritmen så skal identificerer hvad indholdet i feks tredje afsnit på s.22 drejer sig om. Dette skal så linkes til et stykke tekst. Dvs. At hvis algoritmen finder ud af at stykket handler om regler angående brugen af X, så skal der ude i siden kopieres en tekst ind: Vær opmærksom på bla bla bla.
Alt i alt er der måske 100 afsnit, ud af 150 stykker tekst. Algoritmen skal så kunne vide hvad et afsnit indeholder, og så linke det til et stykke prædefineret stykke tekst.
For at algoritmen skal blive klogere tænker jeg at man under tekststykket kan indsætte en rigtigt/forkert knap, så computeren ved om den har lavet den rigtige kobling.
Jeg har fundet følgende som kan gøres teksten læsbar for maskinen/deep learning programmet, før den køres igennem maskinen: http://deeplearning4j.org/word2vec.html
To ting gør sig gældende:
1. Maskinen skal, ligesom Googles algoritme, ikke træffe nogen beslutninger. Den skal udelukkende linke et stykke tekst til et andet, baseret på indholdet og den feedback den modtager.
2. Dokumenternes indhold er relativt ens, da det er de samme paragraffer/regler/klausuler der bruges, dog med mindre variationer. Jeg vil dog vurdere at 95% af indholdet i en paragraf er det samme hver gang. Dog afhænger brugen af paragraffer af situationen. Dog er det de samme 150 der går igen.
Har jeg overset noget, eller er det til at forstå?
Jeg kan se at der findes diverseopen source løsninger på nettet, men da jeg ikke er programmør er det noget jeg skal betale mig fra. Hvad tror i prisen bliver for softwaren? (Alt indhold i form af paragraffer, dokumenter og juridisk viden skal jeg nok bidrage med)
Så vidt jeg kan forstå oversætter et deep learning system alle data/del-data til numeriske værdier, som den kan placere i et n-dimensionelt rum. Derefter laver den forbindelser mellem alle ordene, så den kan finde indirekte data på et bestemt ord/emne.
Det ser ikke ud til at være for svært at lave, men vil tage nogen tid at sætte sig ind i 100% og derefter skal der laves en løsning til dig fra bunden. Jeg kunne godt løse din opgave for dig, men i så fald ville du også skulle betale for tiden det tager mig, at sætte mig ind i emnet, for i sidste ende at give dig den bedste løsning. Jeg tror også at deeplearning4j er den rigtig vej at gå, men skal sætte mig ordentlig ind i det før jeg kan sige dig det.
Jeg ville gætte på en uge til at sætte mig ind i emnet og ca. en måned derefter kan jeg have den første prototype klar. Prisen ville så fald blive omkring 50000 ex moms, men det er selvfølgelig løst regnet.
Hvis du har lyst til at snakke mere om det kan jeg kontaktes på: martin@hc-web.dk
Den generelle betegnelse for Grafik til tekst hedder OCR (http://en.wikipedia.org/wiki/Optical_character_recognition). Der findes mange pakker derude til formålet.
Der findes også forskellige pakker til machine learning. Et af de de mest udbredte statistikpakker er R-project.
Hvis der er reel efterspørgsel, kunne jeg godt være interesseret i projektet, hvis du er interesseret i et partnerskab.
VH. GrN.dk
IT ++ GrN.dk - Flutter Mobil-Apps, Linux Servere, Webservere Litespeed, Wordpress, Drupal, Laravel, Systemintegrationer, Datakonvertering, Datahentning, Prototypeudvikling, Bash, R-Script, Python.
Bliv gratis medlem
Opret bruger