Een geweldige uitkomst van natuurlijke taalverwerking is het generaliseren van een groot aantal verschillende documenten tot een standaardformaat. Zo kunnen duizenden verschillende CV’s en facturen naar een standaardformaat verwerkt worden. Hierbij kunt u gepersonaliseerde kopjes kiezen die voor u belangrijk zijn en zo dus uw eigen standaardformaat opstellen. Verder is er de optie om bepaalde gegevens te maskeren zodat deze bijvoorbeeld in lijn zijn met de AVG.

Voorgaande projecten tot nu toe

Voor uw Human Resources afdeling hebben wij chatbots gebouwd waar werknemers vragen aan kunnen stellen. Veel simpele vragen kunnen zo standaard afgehandeld worden door deze chatbot, maar ook moeilijkere en vooraf niet ingestelde vragen kunnen uit uw documenten of van uw website afgehaald worden. De chatbot zoekt deze vragen dan voor uw werknemers op. In het onwaarschijnlijke geval dat er geen antwoord gevonden wordt kan de werknemer altijd nog doorverbonden worden met de echte HR. Op deze manier kan deze afdeling zich beter focussen op belangrijkere dingen.

Duizenden volledige LinkedIn profielen kunnen met behulp van de LinkedIn Scraper in enkele secondes van het internet gescraped worden. Binnen deze profielen staat uiteraard veel informatie die beide voor een werkgever en een werknemer relevant zijn. Wij bieden hiermee verschillende oplossingen aan. Zo kan bijvoorbeeld een recruiter binnen een user interface aangeven wat voor persoon hij zoekt (leeftijd, opleiding, ervaring) en gebruiken wij machine learning modellen om deze voorkeuren te matchen met profielen. Hierbij kunnen wij de bijbehorende social media van deze persoon scrapen om een vollediger profiel te verkrijgen. Ook hebben wij de mogelijkheid om modellen toe te passen die op basis van de profielfoto een persoon verder te classificeren. Anderzijds kan dit ook een uitkomst zijn voor werkzoekenden, die een profiel van zichzelf kunnen schetsen of hun CV kunnen uploaden om zo de bijpassende bedrijven te kunnen vinden.

Wij beschikken over meerdere datasets die samen miljoenen voedselproducten bevatten. Bij deze producten staat informatie vermeld over de voedingstabel, chemische constructie, smaak- en reuk grenzen. Op dit moment wordt hier nog weinig mee gedaan, maar aan de hand van deze datasets is het voor Novadoc.ai mogelijk om verschillende projecten te starten.

Zo is het mogelijk voor ons om met behulp van verschillende algoritmen aanbevelingen te kunnen doen over producten of smaakprofielen van mensen. Ook zijn er mogelijkheden waarbij wij information retrieval algoritmen kunnen toepassen op deze datasets zodat nuttige informatie over producten verkregen kunnen worden.

Met behulp van IBM Discovery en het XLM-RoBERTa taalmodel halen wij de relevante informatie aan een information overload aan ongestructureerde data. Stelt u gerust een vraag in natuurlijke taal binnen onze interface en u zult zien dat wij dit uit uw documenten kunnen halen. Deze documenten kunt u bij ons aanleveren of wij kunnen deze voor u gaan scrapen. Verder kunnen wij ook gepersonaliseerde entiteiten uit de data halen. Denk hierbij aan e-mailadressen, personen, organisaties, telefoonnummers etc. Vraagt u hier gerust een demo bij ons aan.

Grote datasets blijven vaak ongebruikt doordat de informatie ongestructureerd is en het te veel moeite kost om hier relevante data uit te halen. Novadoc.ai heeft hier een oplossing voor gevonden.

Op basis van een supervised machine learning model kunnen wij van verscheidende ongestructureerde data (bijvoorbeeld documenten en foto’s) classificeren. Met deze classificatie kunnen wij bijvoorbeeld herkennen of een e-mailadres of factuur een scam is. Dit model kan op basis van uw output verder getraind worden zodat nieuwe manieren van oplichting steeds opnieuw herkend zullen worden.

CV Scanner

HR Chatbot

LinkedIn Scraper

Food Analysis

Information Retrieval

Scam en Fraude Detectie

SCAM!