Das KI-gesteuerte Social Media Dashboard hilft Ihnen, Einblicke in die Gespräche Ihrer Kunden zu gewinnen und die Markenbekanntheit zu vertiefen, indem es die Interaktionen in den sozialen Medien analysiert. Es stellt automatisch die erforderlichen AWS-Services bereit und konfiguriert sie, um mehrsprachige Tweets nahezu in Echtzeit zu erfassen, zu übersetzen und sowohl die rohen als auch die angereicherten Datensätze dauerhaft im Data Lake der Lösung zu speichern. Anschließend können Sie diese Daten analysieren und relevante Dashboards mit Unterstützung von Amazon QuickSight erstellen, um Kundenstimmungen zu visualisieren und zu versehen.
Übersicht
Das KI-gesteuerte Social Media Dashboard überwacht und erfasst bestimmte Tweets mithilfe von Stream Processing und nutzt eine serverlose Architektur und ML-Services (Amazon Translate und Amazon Comprehend), um diese Tweets zu übersetzen und Erkenntnisse daraus zu gewinnen. Das folgende Diagramm zeigt die Architektur, die Sie mit dem Beispielcode auf GitHub erstellen können.
KI-gestütztes Social Media Dashboard Architektur
Das KI-gestützte Social Media Dashboard stellt eine Amazon Elastic Compute Cloud(Amazon EC2)-Instance bereit, die in einer Amazon Virtual Private Cloud (Amazon VPC) ausgeführt wird, die Tweets von Twitter erfasst. Ein Amazon Kinesis Data Firehose-Bereitstellungs-Stream lädt die Streaming-Tweets in das rohe Präfix im Amazon Simple Storage Service(Amazon S3)-Bucket der Lösung. Amazon S3 ruft eine AWS Lambda-Funktion zur Analyse der rohen Tweets mithilfe von Amazon Translate auf, um nicht auf Englisch verfasste Tweets ins Englische zu übersetzen. Außerdem wird Amazon Comprehend verwendet, um mittels natürlicher Sprachverarbeitung (Natural Language Processing, NLP) eine Entitätenextraktion und Stimmungsanalyse durchzuführen.
Ein zweiter Kinesis Data Firehose-Bereitstellungs-Stream lädt die übersetzten Tweets und Stimmungswerte in das zur Stimmung gehörende Präfix im Amazon S3-Bucket. Ein dritter Bereitstellungs-Stream lädt mithilfe des Amazon S3-Buckets Entitäten in das Entitätenpräfix.
Die Anleitung stellt auch einen Data Lake bereit, der AWS Glue zur Datentransformation, Amazon Athena zur Datenanalyse und Amazon QuickSight zur Datenvisualisierung enthält. Der AWS Glue-Datenkatalog enthält eine logische Datenbank, die zur Organisation der Tabellen für die Daten in Amazon S3 verwendet wird. Athena verwendet diese Tabellendefinitionen, um die in Amazon S3 gespeicherten Daten abzufragen und die Informationen an ein Amazon QuickSight-Dashboard zurückzugeben.
KI-gestützte Social Media-Dashboards
Version 1.0
Veröffentlicht: 07/2019
Autor: AWS
Weitere Ressourcen
Funktionen
Machine Learning
Visualisierung
Automatisierung
Ähnliche Inhalte
Durchsuchen Sie unsere Bibliothek der AWS-Lösungen, um Antworten auf häufige Architekturprobleme zu erhalten.
Finden Sie AWS-Partner, die Ihnen den Einstieg erleichtern.
Präskriptive Architekturdiagramme, Beispielcode und technische Inhalte für häufig vorkommende Anwendungsfälle finden.