Amazon Comprehend 是一项自然语言处理 (NLP) 服务，可通过机器学习发现文本中的见解和关系。不需要有机器学习经验。
在您的非结构化数据中可能存在一个宝库。通过客户电子邮件、支持票证、产品评论、社交媒体甚至广告文案，都可以深入了解可以为您的企业服务的客户情感。问题是如何实现它？ 事实证明，机器学习特别擅长准确识别大量文本中的特定感兴趣项目（例如在分析员报告中查找公司名称），并且可以学习隐藏在语言中的情感（识别负面评论或客户与客户服务代理的积极互动），规模几乎无限。
Amazon Comprehend 使用机器学习来帮助您发现非结构化数据中的见解和关系。该服务可以识别文本语言，提取关键短语、地点、人物、品牌或事件信息，理解文本语义的肯定或否定含义，使用分词断句和词性分析文本，还可以自动按照主题整理一组文本文件。您还可以在 Amazon Comprehend 中使用 AutoML 功能来构建一组自定义实体或文本分类模型，这些实体和模型可根据您组织的需求进行专门定制。
您可以使用 Amazon Comprehend Medical 从非结构化的文本中提取复杂的医学信息。此服务可以从医生笔记、临床试验报告以及患者健康记录等多种来源识别医学状况、药物、剂量、使用强度和频率等医学信息。Amazon Comprehend Medical 还可识别所提取药物和试验、治疗和程序信息之间的关系，从而更加方便分析。例如，此服务可识别从非结构化的临床笔记中与特定有关的特定剂量、使用强度和频率。
Amazon Comprehend 是完全托管的，因此无需预配置服务器，也无需构建、培训或部署机器学习模型。您只需按您的实际使用量付费；既没有最低费用，也无需预付费。
优势
从文本中获取更好的答案
按主题将文档分组
根据您自己的数据训练模型
支持通用和行业特定文本
Amazon Comprehend 可以发现客户支持事件、商品评论、社交媒体讯息、新闻文章、文档和其他信息来源的文本中蕴含的见解和关系。例如，您可以识别出客户在对您的产品表示满意或不满意时最常提到的功能。
Amazon Comprehend 可以分析一系列文档和其他文本文件 (如社交媒体文章)，并自动按相关术语或主题对它们进行整理。然后，您可以使用这些主题为您的客户提供个性化内容，或提供更丰富的搜索和导航功能。例如，如果您拥有大量新闻文章，就可以按主题自动对这些文章进行分组，以便您的网站能够根据访客之前阅读的内容向其推荐新文章。
您可以轻松扩展 Amazon Comprehend 以识别特定术语，例如策略编号或部件代码。您还可以扩展 Comprehend 以对公司有意义的方式对文档和消息进行分类，例如按请求分类的客户支持查询或按产品分类的社交媒体帖子。添加此自定义不需要机器学习专业知识。您只需提供标签并为每个标签提供一小组示例，之后 Comprehend 会处理其余部分。
Amazon Comprehend 依托先进的机器学习模型，可以从社交媒体帖子、电子邮件和网页等非结构化的文本中发现洞见。Amazon Comprehend Medical 还可识别药物和医学状况等医学信息，并确定相互之间的关系（例如药物剂量和使用强度）。例如，Amazon Comprehend Medical 可以提取“耐甲氧西林金黄色葡萄球菌”（通常简写为“MRSA”）并提供上下文，例如患者的检验结果是否为阳性或阴性，从而让提取的内容更有意义。
工作原理
使用案例
客户意见分析
您可以使用 Amazon Comprehend 分析各种形式的客户交互，例如支持电子邮件、社交媒体文章、在线评论、电话录音文本等，并发现哪些因素会为客户带来最正面和负面的体验。然后，您可以使用这些见解来改进产品和服务。
示例：呼叫中心分析
更准确的搜索
使用 Amazon Comprehend，您可以让搜索引擎对关键短语、实体和情绪建立索引，从而提供更好的搜索体验。这使您能够将搜索重点放在文章的意图和上下文上而非基本关键字上。
示例：对商品评论建立索引并进行搜索
知识管理和发现
使用 Amazon Comprehend，您可以按主题对文档进行整理和分类以便于发现，然后向读者推荐与同一主题相关的其他文章，以提供个性化的内容推荐。
示例：网站内容的个性化
对支持票证进行分类以便更好地处理问题
使用自定义分类自动对入站客户支持文档进行分类，例如在线反馈表单、支持票证、论坛帖子和基于其内容的产品评论。例如，账户取消请求、计费问题、地址更改等。然后，使用自定义实体自动提取相关信息（如部件号、忠诚度层和产品名称），以将文档快速路由到最适合的团队，来解决客户问题并提高整体客户满意度。
示例：客户支持票证处理
执行医学定群分析
在肿瘤学中，快速发现正确的筛选标准以招募临床试验患者至关重要。Amazon Comprehend Medical 可以理解并识别从非结构化的文本中发现的复杂医学信息，从而帮助更方便地编制索引和搜索。使用这些见解来为相关临床试验识别和招募患者，所需的时间和成本仅为人工筛选流程的几分之一。
示例：临床试验招募
客户成功案例
LexisNexis Legal & Professional 是一家面向法律和商务专业人员的全球内容和技术解决方案提供商，客户遍布全球超过 175 个国家和地区，提供超过 20 亿可搜索的档案。
“我们为法律专业人员提供深刻的搜索和分析服务，以帮助他们作出明智的决策。因此，我们不断研究更好的方式以从法律文档中发现洞见。借助 Amazon Comprehend 的自动机器学习 (ML) 功能，我们现在无需深入了解与机器学习有关的复杂性，即可构建准确的自定义主体识别模型。从超过 2 亿份文档中可以快速识别法官和律师等我们最为关心的主体，准确率超过 92%。”
Rick McFarland，LexisNexis 首席数据官
Vibes 移动互动平台使营销人员能够与当今大规模高度互联的移动消费者进行一对一的互动。
"移动消息以直接、个性化且可靠的方式连接品牌与消费者。在 Vibes，我们每个月处理数十亿的移动消息，在我们处理的大量消息中隐藏着深刻的见解。Amazon Comprehend 让我们能够快速提取关键词组、检测消费者情绪，并通过非结构化信息内容构建主题模型，使营销人员更深入地了解其绩效并为其提供可行性见解，从而提供有价值的客户体验。"
Brian Garofola，Vibes 首席技术官
美国金融业监管局 (FINRA) 是一家致力于投资者保护和市场规范工作的非营利组织。它监管着证券行业的一个关键部分：与公众打交道的美国经纪公司。
"FINRA 收到数以百万计的文档，其中包含支持调查、检查和合规工作的非结构化数据。我们的调查人员和检查人员必须手动逐页浏览文档，或运行高度针对性的搜索以找到所需的信息。借助 Amazon Comprehend，我们可以快速提取个人和组织，将提取的主体与 FINRA 记录进行匹配，标记感兴趣的个人，发现与其他文档的相似之处。”
Dmytro Dolgopolov，FINRA 高级技术总监
VidMob 是一个技术平台，将营销人员与专业编辑、动画师和动画设计师全球网络联系起来。
“借助 Amazon Comprehend 和 Amazon Transcribe 服务，VidMob 可以在我们的 Agile Creative Suite 中构建高质量的机器学习文本分析，让我们能够帮助品牌客户以前所未有的方式理解内容的表现情况。我们可以将视频内容转录成文本，并使用 Comprehend 快速分析文本，从而向我们的创建者社区和客户提供可行性见解，让他们在市场上保持战略优势。”
Alex Collmer，VidMob 创始人兼首席执行官
了解有关 Amazon Comprehend 的更多信息
