Ülke Genelinde Festival/Etkinlik AI Arama Hizmeti
(travelgen.kr)Merhaba!
LLM uygulama geliştirme ve RAG hizmeti geliştirmeye ilgi duymaya başlayınca, tek başıma geliştirdiğim bir hizmeti paylaşmak istedim.
Yakınımdaki turistik yerleri kendi zevkime göre AI'dan önermesini isteme fikriyle başladım,
amma veri ve maliyet sınırlamaları nedeniyle bölgesel festival/etkinlik bilgilerini basitçe arayabileceğiniz bir hizmet geliştirdim.
Giriş yapma üzerinden kişiselleştirilmiş öneri ve içerik sunma özelliklerini hazırlıyorum.
Web ve uygulama platformlarını yayına almak için Flutter ile geliştirdim,
RAG ise Neo4j'in vektör araması + LLM sorgu oluşturmalı araması temel alınarak çalışıyor.
Festival/etkinliklerin temel verileri Korea Tourism Organization'ın TourAPI'sinden sağlanıyor,
AI yanıt üretirken referans aldığı belgeler ise web aramasına dayanıyor (gerçek zamanlı değil).
Kullanılabilirlik veya RAG işlevleri gibi konularda her türlü geri bildiriminizi paylaşırsanız sevinirim!
Özellikler
- Ülke genelinde devam eden festival/etkinlik bilgilerini arama
- AI harita keşfi özelliğini kullanarak harita üzerinde festival/etkinlik keşfetme
- AI sohbet özelliğini kullanarak genel festival/etkinlik bilgileri hakkında soru sorma
Hizmet bağlantıları
- Web sayfası bağlantısı: https://travelgen.kr
- iOS uygulaması: https://apps.apple.com/kr/app/…
18 yorum
Yapay zeka sohbet özelliği gerçekten kullanışlı!
Teşekkür ederim!
Bahsettiğiniz
llmsorgusunun hangi işlevi sunduğunu açıklayabilir misiniz?Siteye girdim ama sıradan bir harita araması hissi aldım. İlgi duyduğum bir alan olduğu için, mümkünse teknolojinin faydayı tam olarak nasıl sağladığını öğrenmek istiyorum.
text2cypherile GraphRAG'in avantajlarından (düğümler arasındaki çeşitli ilişkileri keşfetme) kolayca yararlanmaya çalıştım, ancak benim uygulamamda LLM üretiminin tutarlılık sorunu var ve şema da basit olduğu için henüz büyük bir işlevsel avantaj sağlayamıyor gibi görünüyor. Basit metin vektör aramasının daha iyi sonuç verdiği durumlar da sık oldu.Aşağıdaki sorguları daha doğru işleyebilecek şekilde geliştiriyorum.
Bu özellikler, LLM'in şemaya dayanarak DB sorgularını otomatik üretmesinin sağladığı esneklik sayesinde mümkün oluyor gibi görünüyor.
Gerçekten çok iyiymiş haha
Teşekkür ederim!
RAG için hangi kaynakları kullandınız?
Kamu API’si tarafından sağlanan açıklama bilgileri ve resmî sitenin web belgeleri temel alınmaktadır.
Vay, bu güzelmiş?
Görüşünüz için teşekkürler!
Güzel olmuş.
Teşekkür ederim!
Bu hizmeti hükümetin oldukça seveceğini düşünüyorum. Özellikle yerel yönetimlerin çok ilgisini çekecek gibi görünüyor...!
Güzel sözleriniz için teşekkür ederim!
Çok güzel, değil mi?
Bunu beğenmeniz bizi mutlu etti, teşekkür ederiz!
Giderek gelişirse gerçekten çok faydalı olacak gibi duruyor.
Teşekkürler~!