• English
    • Latviešu
    • Deutsch
    • русский
  • Help
  • Deutsch 
    • English
    • Latviešu
    • Deutsch
    • русский
  • Einloggen
Dokumentanzeige 
  •   DSpace Startseite
  • B4 – LU fakultātes / Faculties of the UL
  • A -- Eksakto zinātņu un tehnoloģiju fakultāte / Faculty of Science and Technology
  • Bakalaura un maģistra darbi (EZTF) / Bachelor's and Master's theses
  • Dokumentanzeige
  •   DSpace Startseite
  • B4 – LU fakultātes / Faculties of the UL
  • A -- Eksakto zinātņu un tehnoloģiju fakultāte / Faculty of Science and Technology
  • Bakalaura un maģistra darbi (EZTF) / Bachelor's and Master's theses
  • Dokumentanzeige
JavaScript is disabled for your browser. Some features of this site may not work without it.

RAG (izguves papildināta ģenerēšanas (RAG) tehnoloģijas pielietojums uzņēmumu virtuālo asistentu pielāgošanai un efektivitātes uzlabošanai

Thumbnail
Öffnen
302-107966-Apsite-Aunina_Karina_ka22063.pdf (5.000Mb)
Autor
Apsīte-Auniņa, Karīna
Co-author
Latvijas Universitāte. Eksakto zinātņu un tehnoloģiju fakultāte
Advisor
Skadiņa, Inguna
Datum
2025
Metadata
Zur Langanzeige
Zusammenfassung
Pētījumā analizēta Retrieval-Augmented Generation (RAG) arhitektūras piemērotība un efektivitāte klientu apkalpošanas sistēmu automatizācijā, fokusējoties uz “Rīgas satiksmes” (RS) publisko dokumentu korpusu. Izstrādāti trīs virtuālo asistentu (VA) prototipi, balstīti uz GPT-4o (Azure OpenAI), Chatbase un LLaMA+FAISS risinājumiem, un veikts to salīdzinošs novērtējums. Novērtēšanas kritērijos iekļauta faktu precizitāte, halucināciju biežums, latentums un lietotāju vērtējums. Eksperimentos pierādīts, ka RAG arhitektūra, sasaistīta ar uzņēmuma dokumentāciju, būtiski samazina halucinācijas un uzlabo VA atbilžu uzticamību. Sistēmas ar striktu “strictness” konfigurāciju un datētiem avotiem spēj nodrošināt līdz pat 90% precizitāti. Darbā iekļauti arī ieteikumi turpmākai RAG risinājumu attīstībai, t.sk. reāllaika datu integrācija, personifikācija un multimodalitāte. Pētījums apvieno akadēmisku bāzi ar praktisku ieviešanu Latvijas pašvaldību uzņēmuma kontekstā.
 
The thesis investigates the applicability and effectiveness of Retrieval-Augmented Generation (RAG) architecture in automating customer support systems, focusing on the publicly available document corpus of “Rīgas satiksme” (RS). Three virtual assistant (VA) prototypes were developed using GPT-4o (Azure OpenAI), Chatbase, and LLaMA+FAISS, followed by a comparative evaluation. Assessment criteria included factual accuracy, hallucination rate, latency, and user feedback. Experiments confirmed that RAG architectures significantly reduce hallucinations and improve response reliability when integrated with domain-specific documentation. Strict system prompts and timestamped sources achieved up to 90% response accuracy. The work also proposes further development directions for RAG systems, including real-time data integration, user personalization, and multimodality. This study combines academic insight with practical deployment in the context of a Latvian municipal enterprise.
 
URI
https://dspace.lu.lv/dspace/handle/7/71088
Collections
  • Bakalaura un maģistra darbi (EZTF) / Bachelor's and Master's theses [6025]

University of Latvia
Kontakt | Feedback abschicken
Theme by 
@mire NV
 

 

Stöbern

Gesamter BestandBereiche & SammlungenErscheinungsdatumAutorenTitelnSchlagwortenDiese SammlungErscheinungsdatumAutorenTitelnSchlagworten

Mein Benutzerkonto

Einloggen

Statistik

Benutzungsstatistik

University of Latvia
Kontakt | Feedback abschicken
Theme by 
@mire NV