Usecase Qualified

De uitdaging van Qualified was het matchingalgoritme voor de zoekmachine te verbeteren, waardoor projecten direct en automatisch gekoppeld kunnen worden aan organisaties of experts. Traditionele zoekmachines zoeken naar vergelijkbare termen, tags en woorden in zowel het project als organisatie of expert. Wanneer het woord ‘data’ in een project staat, matchen traditionele algoritmes dit met een organisatie of expert met data in de titel. De context wordt hierbij niet begrepen. Het percentage juiste matches moest omhoog voor een optimaal presterend hightech matchingplatform. Daarnaast is er weinig data beschikbaar, wat een groot probleem kan zijn aangezien AI modellen erg veel data nodig hebben.

Met behulp van een neuraal netwerk gebaseerd op de BERT architectuur, hebben wij een AI-powered matchmaking system ontwikkeld wat op basis van Natural Language Processing (NLP) projectbeschrijvingen kan begrijpen en vervolgens de beste matches kan selecteren. Dit is gedaan doormiddel van pre-trained BERT modellen te finetunen voor deze specifieke taak. Hiermee kan state-of-art NLP technologie worden gebruikt, met minder data. Op deze manier wordt AI ingezet om de juiste expertise te koppelen aan technologische uitdagingen binnen de maatschappij.

De precisie van ons model verbeterde de oorspronkelijke versie met meer dan 30%. Een kwalitatieve analyse met Qualified.technologie liet zien dat het algoritme na het trainen steeds beter kon begrijpen welke bedrijven een match waren voor een project en welke niet. Daarnaast is er een mechanisme gebouwd wat ervoor zorgt dat het model gaat leren over tijd: hoe meer het platform gebruikt gaat worden, hoe beter het wordt. Door het matchmaking system te implementeren, worden de resultaten beter en nauwkeuriger. Daarnaast is het platform van Qualified.technology niet afhankelijk van ElasticSearch en heeft Qualified nu een interessant stuk IP ontwikkeld waardoor het zich onderscheidt van concurrerende platforms.