À quoi sert cette solution AWS ?
Cette solution vous permet d'identifier les rubriques les plus couramment associées à vos produits, politiques, événements et marques. L'implémentation de cette solution vous permet de réagir rapidement aux nouvelles opportunités de croissance, de résoudre les associations négatives à la marque et d'améliorer le niveau de satisfaction des clients.
La solution déploie un modèle AWS CloudFormation qui prend en charge l'ingestion depuis 1) Twitter, 2) les flux RSS publics d'environ 4 000 sites d'actualités à travers le monde, 3) les commentaires YouTube liés aux vidéos, et 4) un compartiment Simple Storage Service (Amazon S3) dans lequel vous pouvez charger des données à analyser sous forme de documents JSON ou de feuilles de calcul Microsoft Excel (XLSX).
La quatrième option de charger des données vous permet d'importer des données exportées depuis des systèmes internes ou externes qui stockent des évaluations de produits, des évaluations de films, des messages de chat provenant de forums de chat communautaires incluant Reddit, Twitch et Discord, ainsi que des sorties transcrites depuis Amazon Transcribe Call Analytics. Cela élargit les cas d'utilisation dans différent marchés verticaux du secteur, et fournit un cadre pour que vous créiez et élargissiez la solution afin d'intégrer une source en amont de votre choix sans effort. La solution peut être personnalisée et étendue en créant des adaptateurs d'ingestion pour regrouper d'autres plateformes de réseaux sociaux et systèmes internes d'entreprise.
Avantages
Déploiement sécurisé en un clic
vide
Analytique en quasi-temps réel
vide
Ingestion de données multilingues
vide
Tableau de bord QuickSight préintégré
Présentation de la solution AWS
Le diagramme ci-dessous présente l'architecture sans serveur que vous pouvez déployer automatiquement à l'aide du guide d'implémentation de la solution et du modèle AWS CloudFormation fourni.
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 file 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 clés suivants :
1. Ingestion – Ingestion et gestion des flux de réseaux sociaux et RSS à l'aide des fonctions Lambda, d'Amazon DynamoDB et d'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 Simple Storage Service (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 un une file d'attente de lettres mortes configurée pour détecter toute erreur dans le traitement des flux.
3. Flux – le consommateur (fonction Lambda) des Kinesis Data Streams lance un flux Step Functions qui orchestre les fonctionnalités Amazon Machine Learning, notamment Amazon Translate, Amazon Comprehend et Amazon Rekognition.
4. Intégration – 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, les compartiments Simple Storage Service (Amazon S3) et les tables AWS Glue, Amazon Athena et Amazon QuickSight.
Ces composants sont créés à l'aide d'AWS Well-Architected Framework 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 sensibles en utilisant le machine learning
Version 1.7.1
Date de la dernière mise à jour : 03/2022
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.