Soporte de palabras clave y lenguaje natural

La capacidad de Amazon Kendra para comprender las preguntas de lenguaje natural es fundamental para su motor de búsqueda, por lo que los usuarios finales tienen la capacidad de buscar palabras clave generales como “beneficios para la salud” o preguntas más específicas de lenguaje natural como “¿cuánto dura la licencia por maternidad?”. Kendra arrojará respuestas específicas como “14 semanas”, o para las búsquedas más generales, arrojará el fragmento más relevante y los documentos relacionados. El lenguaje natural permite obtener respuestas más específicas desde cualquier parte de sus datos.

Comprensión de lectura y correspondencia de preguntas frecuentes

Amazon Kendra puede extraer respuestas específicas de datos no estructurados. No se requiere entrenamiento previo, simplemente indica su contenido a Kendra y el servicio proporcionará respuestas específicas a consultas en lenguaje natural tales como “¿Cómo configuro mi VPN?” donde la respuesta se extrae automáticamente del documento más relevante. También puede cargar una lista de preguntas frecuentes en Kendra para proporcionar respuestas directas a las preguntas comunes que hacen los usuarios finales. Kendra encontrará la pregunta más cercana a la consulta de búsqueda y arrojará la respuesta correspondiente.

Clasificación de documentos

Para complementar las respuestas extraídas, Amazon Kendra utiliza un modelo de búsqueda semántica basado en aprendizaje profundo para arrojar una lista clasificada de documentos relevantes. Esto proporciona al usuario final una lista más exhaustiva de contenido para explorar en caso de que necesite más información.

Conectores

Amazon Kendra elimina el trabajo pesado que implica la creación de aplicaciones de búsqueda, ya que proporciona una amplia gama de conectores nativos en la nube y locales a fuentes populares como sistemas de archivos, sitios web, Box, DropBox, Salesforce, SharePoint, bases de datos relacionales y Amazon S3. El uso de conectores es rápido y fácil, solo tiene que agregar orígenes de datos a su índice Kendra y seleccionar el tipo de conector. Los conectores mantienen los derechos de acceso a los documentos y se pueden programar para sincronizar automáticamente el índice con el origen de datos, de modo que siempre podrá buscar de manera segura en el contenido más actualizado. Para otros tipos de orígenes de datos, Kendra ofrece una API que le permite crear su propio conector y cargar documentos desde su trabajo de ETL o aplicación backend. Debido a que cada origen de datos puede contener diferentes tipos de archivos, Kendra admite datos no estructurados y semiestructurados en formato HTML, MS Office Word y PowerPoint, PDF y texto.

SharePoint en línea, JDBC y S3 serán los únicos conectores disponibles para la versión de vista previa.

Ajuste de la relevancia

Puede optimizar determinados campos en su índice para darles más importancia a respuestas específicas. Amazon Kendra le permite ajustarse para orígenes de datos específicos o la antigüedad de los documentos. Por ejemplo, cuando busca “¿Cuándo es re:invent?”, puede optimizar la relevancia de la antigüedad de los documentos para que las fechas de 2019 sean la respuesta sugerida. O bien, podría impulsar un origen de datos más respetado en un índice de informes de investigación. Kendra también admite la optimización de documentos basados en un recuento de votos o vistas, lo que es común en foros y otras bases de conocimiento de tipo de soporte. La combinación de estas características optimizaría, por ejemplo, los documentos vistos con más frecuencia y que además son más recientes, como noticias o actualizaciones de tendencias.

Optimización de dominios

Kendra utiliza modelos de aprendizaje profundo para comprender las consultas del lenguaje natural, y documentar el contenido y las estructuras para una amplia gama de casos de uso interno como recursos humanos, operaciones, soporte e investigación y desarrollo. Kendra también está optimizado para comprender un lenguaje complejo de dominios como TI, servicios financieros, seguros, productos farmacéuticos, fabricación industrial, gas y petróleo, asuntos legales, medios y entretenimiento, viajes y hotelería, salud, recursos humanos, noticias, telecomunicaciones, minería, alimentos y bebidas, y automotriz. Por ejemplo, un usuario que busca respuestas sobre recursos humanos podría escribir “plazo para presentar el formulario de HSA” y Kendra también buscaría “plazo para presentar el formulario de cuenta de ahorros de salud” para una cobertura más amplia y obtener la respuesta más precisa. Puede mejorar aún más la experiencia en el dominio si proporciona sus propias listas de sinónimos (próximamente). Tan solo carga un archivo con su terminología específica y Kendra usará estos sinónimos para enriquecer las búsquedas de los usuarios.

Aprendizaje progresivo próximamente

Los modelos de aprendizaje automático de Amazon Kendra se vuelven a entrenar y ajustar periódicamente para cada cliente mediante la captura de patrones de búsqueda y comentarios de los usuarios finales. Por ejemplo, cuando los usuarios buscan “¿Cómo puedo cambiar mis beneficios de salud?”, múltiples documentos de recursos humanos y beneficios competirán por aparecer primeros. Aunque los documentos más recientes pueden clasificarse más arriba en la lista, este criterio por sí solo podría no ser suficiente para obtener el primer lugar en la lista. Sin embargo, a medida que crezca el interés por las instrucciones de inscripción del último año y los usuarios comiencen a abrirlas más que las anteriores, el modelo de Kendra aprenderá a priorizar cada vez más el nuevo documento en la cima de la lista.

Finalización automática de consultas próximamente

Amazon Kendra incluye la funcionalidad para completar automáticamente la consulta de búsqueda de un usuario final. La finalización automática de las consultas no solo ayuda al usuario a reducir lo que escribe en aproximadamente un 25 %, sino que también lo guía hacia preguntas más precisas y frecuentes. Las preguntas más precisas suelen arrojar respuestas más relevantes y útiles. Por ejemplo, si comienza a escribir “Dónde está” en el cuadro de búsqueda, Kendra puede sugerir opciones como “¿Dónde está el escritorio de TI?” o “¿Dónde está la cafetería?” y otras preguntas frecuentes relacionadas, para completar la consulta.

Análisis y mejora continua próximamente

Con el fin de proporcionar una experiencia de búsqueda que mejora continuamente, Amazon Kendra captura las actividades durante las búsquedas (clics, pulgares arriba o abajo) y le mostrará métricas e información para que pueda tomar medidas con el objetivo de implementar mejoras. Kendra proporciona métricas operativas básicas como consultas principales, documentos principales y consultas por día. Kendra también proporcionará métricas de calidad comunes, como el rango recíproco medio (MRR) y la retroalimentación explícita, es decir, recuentos de pulgares hacia arriba o hacia abajo. Puede utilizar esta información para crear preguntas frecuentes más relevantes, optimizar determinados orígenes de datos con contenido más acreditado, o entrenar a sus equipos de servicio de atención al cliente sobre las preguntas más frecuentes.

Product-Page_Standard-Icons_01_Product-Features_SqInk
Más información sobre los precios de los productos

Visite la página de precios de Kendra.

Más información 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
Inscríbase para obtener una cuenta gratuita

Obtenga acceso instantáneo a la capa gratuita de AWS. 

Regístrese 
Product-Page_Standard-Icons_03_Start-Building_SqInk
Comience a crear en la consola

Comience a crear con Kendra en la consola de administración de AWS.

Inicie sesión