À quoi sert cette solution AWS ?
La solution Discovering Hot Topics Using Machine Learning vous aide à identifier les thèmes les plus couramment associés à vos produits, politiques, événements et marques. Ainsi, vous pouvez réagir rapidement aux nouvelles opportunités de croissance, répondre aux associations négatives de la marque et améliorer la satisfaction des clients de votre entreprise. La solution vous permet non seulement de savoir ce que vos clients pensent de votre marque, mais elle vous fournit également des informations sur des sujets qui sont pertinents pour votre entreprise.
Cette solution déploie un modèle AWS CloudFormation pour automatiser l'ingestion de données à partir de ces sources :
- Flux d'actualité RSS
- Commentaires YouTube liés aux vidéos
- Reddit (commentaires des sous-reddits d'intérêt)
- Données personnalisées au format JSON ou XLSX
En utilisant l'API Reddit, la solution ingère les commentaires des sous-reddits d'intérêt. Les paramètres d'entrée de la solution comprennent une liste de sous-reddits à suivre pour les nouveaux commentaires. Les commentaires sont ensuite soumis à une analyse NLP pour créer le tableau de bord Amazon QuickSight.
Avantages
Déploiement sécurisé en un clic
Analytique en temps quasi réel
Ingestion de données multilingues
Tableau de bord QuickSight préintégré
Présentation de la solution AWS
Le schéma ci-dessous présente l'architecture sans serveur que vous pouvez déployer automatiquement à l'aide du guide d'implémentation de la solution AWS et du modèle AWS CloudFormation qui l'accompagne.
Architecture de la solution de découverte des sujets sensibles en utilisant le machine learning
Le modèle AWS CloudFormation déploie automatiquement les fonctions AWS Lambda, les compartiments Amazon Simple Storage Service (Amazon S3), Amazon Kinesis Data Streams, la fille d'attente de lettres mortes (DLQ) Amazon Simple Queue Service (Amazon SQS), Amazon Kinesis Data Firehose, les flux AWS Step Functions, les tables AWS Glue et les ressources Amazon QuickSight dans votre compte.
L'architecture de la solution comprend les composants et flux essentiels suivants :
1. Ingestion – Ingestion et gestion des flux de réseaux sociaux et RSS en utilisant des fonctions Lambda, Amazon DynamoDB et Amazon EventBridge. Pour les diagrammes détaillés d'architectures de référence pour l'ingestion des flux Twitter, de commentaires YouTube et d'actualités RSS, et pour l'ingestion personnalisée à l'aide d'un compartiment Amazon S3, consultez le guide d'implémentation.
2. Flux de données – Les données sont mises en mémoire tampon par Amazon Kinesis Data Streams pour assurer la résilience et limiter les demandes entrantes. Les flux de données ont une file d'attente de lettres mortes configurée pour détecter toute erreur dans le traitement des flux.
3. Flux – Le consommateur (fonction Lambda) des flux de données Kinesis lance un flux Step Functions qui orchestre les fonctionnalités de machine learning Amazon, notamment, Amazon Translate, Amazon Comprehend et Amazon Rekognition.
4. Integration – Les données d'inférence s'intègrent aux composants de stockage par le biais d'une architecture orientée événements qui utilise Amazon EventBridge. EventBridge permet une personnalisation plus étendue pour ajouter des cibles supplémentaires en configurant des règles.
5. Stockage et visualisation – Une combinaison comprenant Kinesis Data Firehose, des compartiments Simple Storage Service (Amazon S3) et des tables AWS Glue, Amazon Athena et Amazon QuickSight.
Ces composants sont créés à l'aide du cadre AWS Well-Architected et reposent sur les piliers AWS Well-Architected d'excellence opérationnelle, de sécurité, de fiabilité, d'efficacité des performances et d'optimisation des coûts, afin de garantir une infrastructure sécurisée, hautement performante, résiliente et efficace.
Découverte des sujets dominants à l'aide du machine learning
Version : 2.0.0
Date de la dernière mise à jour : 05/2022
Auteur : AWS
Temps de déploiement estimé : 10 min
Ressources supplémentaires
Remarque : pour vous abonner aux mises à jour RSS, vous devez activer un plug-in RSS pour le navigateur que vous utilisez.
Rubriques connexes
Cet article de blog apprend aux lecteurs à utiliser la solution de découverte des sujets sensibles un utilisant le machine learning pour tirer des informations des flux de médias sociaux, afin de profiter des opportunités de croissance qui émergent rapidement, de traiter le ressenti négatif et d'améliorer la satisfaction des clients. À titre d'illustration, nous présentons un cas d'utilisation dans le secteur des médias et du divertissement.
Parcourez notre bibliothèque des implémentations des solutions AWS pour obtenir des réponses aux problèmes d'architecture courants.
Trouvez des partenaires consultants et technologiques certifiés AWS pour vous aider à commencer.
Parcourez notre portefeuille d'offres de conseil pour obtenir une aide approuvée AWS au déploiement de solutions.