¿Qué hace esta solución de AWS?
La solución Descubrir temas polémicos con machine learning identifica los temas más dominantes asociados a sus productos, políticas, eventos y marcas. Esto le ayuda a reaccionar rápidamente a las nuevas oportunidades de crecimiento, a hacer frente a las asociaciones negativas de la marca y a ofrecer un mayor nivel de satisfacción a los clientes de su empresa. Además de ayudarle a entender lo que sus clientes dicen de su marca, esta solución le ofrece información sobre temas relevantes para su negocio.
Esta solución implementa una plantilla de AWS CloudFormation para automatizar la ingesta de datos desde estas fuentes:
- Fuentes de noticias RSS
- Comentarios de YouTube vinculados a los videos
- Reddit (comentarios de subreddits de interés)
- Datos personalizados en formato JSON o XLSX
Mediante la API de Reddit, la solución ingiere los comentarios de los subreddits de interés. Los parámetros de entrada a la solución incluyen una lista de subreddits a seguir para los nuevos comentarios. A continuación, los comentarios se someten a un análisis de PNL para construir el panel de control de Amazon QuickSight.
Beneficios
Implementación segura con un solo clic
Análisis prácticamente en tiempo real
Incorporación de datos en varios idiomas
Panel de QuickSight preintegrado
Información general sobre la solución de AWS
El siguiente diagrama presenta la arquitectura sin servidor que puede implementar automáticamente mediante la guía de implementación de la solución de AWS y la plantilla de AWS CloudFormation que la acompaña.
Arquitectura de la solución Descubrimiento de temas polémicos con Machine Learning
La plantilla AWS CloudFormation implementa de forma automática funciones de AWS Lambda, buckets de Amazon Simple Storage Service (Amazon S3), Amazon Kinesis Data Streams, colas de mensajes fallidos (DLQ) de Amazon Simple Queue Service (Amazon SQS), Amazon Kinesis Data Firehose, flujos de trabajo de AWS Step Functions, tablas de AWS Glue y recursos de Amazon QuickSight en su cuenta.
La arquitectura de la solución incluye los siguientes componentes y flujos de trabajo clave:
1. Ingesta: ingesta y administración de redes sociales y fuentes RSS mediante funciones de Lambda, Amazon DynamoDB y Amazon EventBridge. Para obtener diagramas de arquitectura de referencia detallados para Twitter, los comentarios de YouTube, las fuentes de noticias RSS y la ingestión personalizada mediante un bucket de Amazon S3, consulte la guía de implementación.
2. Flujo de datos: los datos se almacenan a través de Amazon Kinesis Data Streams para proporcionar resiliencia y acelerar las solicitudes entrantes. Los flujos de datos tienen una DLQ configurada para detectar cualquier error en el procesamiento de las alimentaciones.
3. Flujo de trabajo: el consumidor (función de Lambda) de Kinesis Data Streams inicia un flujo de trabajo de Step Functions que orquesta las capacidades de Amazon Machine Learning, que incluye Amazon Translate, Amazon Comprehend y Amazon Rekognition.
4. Integración: los datos de inferencia se integran con los componentes de almacenamiento a través de una arquitectura basada en eventos mediante Amazon EventBridge. EventBridge permite una mayor personalización para agregar objetivos adicionales mediante la configuración de reglas.
5. Almacenamiento y visualización: una combinación de Kinesis Data Firehose, buckets de Simple Storage Service (Amazon S3), tablas de AWS Glue, Amazon Athena y Amazon QuickSight.
Estos componentes se crean mediante AWS Well-Architected Framework y los pilares de AWS Well-Architected de excelencia operativa, seguridad, fiabilidad, eficiencia de rendimiento y optimización de costos, que garantizan una infraestructura segura, de alto rendimiento, resistente y eficiente.
Descubrir temas polémicos con machine learning
Versión: 2.0.0
Última actualización: 05/2022
Autor: AWS
Tiempo estimado de implementación: 10 minutos
Recursos adicionales
Nota: Para suscribirse a las actualizaciones de RSS, debe disponer de un complemento de RSS habilitado para el navegador que utilice.
Contenido relacionado
En esta entrada del blog se enseña a los lectores a utilizar la solución Descubrir temas polémicos con Machine Learning para obtener información de las redes sociales con el fin de aprovechar las oportunidades de crecimiento que surgen rápidamente, hacer frente a un sentimiento negativo y mejorar la satisfacción de los clientes. Como ejemplo, repasamos un caso de uso empresarial en el sector de los medios de comunicación y el entretenimiento.
Consulte nuestra biblioteca de Implementaciones de soluciones de AWS para obtener respuestas a problemas de arquitectura comunes.
Encuentre socios consultores y tecnológicos certificados por AWS que lo ayudarán a comenzar.
Explore nuestra cartera de ofertas de asesoramiento para obtener ayuda autorizada por AWS con la implementación de la solución.