Amazon Comprehend è un servizio di elaborazione del linguaggio naturale che adotta l'apprendimento automatico per trovare informazioni e relazioni in un testo. Nessuna esperienza di apprendimento automatico richiesta.
C'è un possibile tesoro nei tuoi dati non strutturati. E-mail dei clienti, richieste di assistenza, revisioni prodotto, social media, ma anche le copie pubblicitarie rappresentano informazioni sulle tendenze dei clienti che possono servire alla tua attività. La domanda è come ottenerle? Come risulta, l'apprendimento automatico è particolarmente accurato nell'identificare voci specifiche di interesse in ampie fasce di testo (ad esempio nel trovare nomi di società nei report degli analisti) e può comprendere le tendenze nascoste nella lingua (identificando revisioni negative o interazioni cliente positive con gli agenti di servizi) a una scala quasi senza limiti.
Amazon Comprehend adotta l'apprendimento automatico per aiutare a estrarre informazioni e relazioni nei dati non strutturati. Questo servizio identifica il linguaggio del testo, estrae le frasi chiave, i luoghi, le persone, i marchi o gli eventi, capisce se il testo ha una connotazione positiva o negativa, analizza il testo con tokenizzazione e categorie morfo-sintattiche e organizza automaticamente una raccolta di file di testo per argomento. È inoltre possibile utilizzare le funzionalità AutoML disponibili in Amazon Comprehend per creare un insieme di entità personalizzate o modelli di classificazione di testo adattati unicamente alle esigenze della tua organizzazione.
Per estrarre informazioni mediche complesse da testo non strutturato, puoi utilizzare Amazon Comprehend Medical. Il servizio è in grado di identificare informazioni mediche su malattie, farmaci, dosaggi, potenze e frequenza da una vasta gamma di fonti, quali certificati medici, relazioni delle sperimentazioni cliniche e cartelle cliniche dei pazienti. Amazon Comprehend Medical consente inoltre di identificare la relazione esistente tra le informazioni mediche, gli esami, il trattamento e le procedure permettendo un’analisi più semplice. Ad esempio, il servizio è in grado di identificare un particolare dosaggio, la potenza, la frequenza correlati a un farmaco specifico da dati clinici non strutturati.
Amazon Comprehend è completamente gestito, pertanto non ci sono server da assegnare e nessun modello di apprendimento automatico da creare, formare e distribuire. I prezzi sono calcolati solo in base all'uso effettivo e senza tariffe minime né impegni anticipati.
Vantaggi
Raccolta di informazioni utili
Organizzazione dei documenti per argomenti
Formazione dei modelli sui tuoi dati
Supporto di testo generale e specifico del settore
Amazon Comprehend può individuare significato e relazioni interne al testo quali ticket di assistenza, recensioni di prodotti, feed di social network, articoli di quotidiani, documenti e altre origini. Ad esempio, è possibile identificare la caratteristica menzionata più spesso quando i clienti sono contenti o scontenti di un prodotto.
Amazon Comprehend è in grado di analizzare una raccolta di documenti e altri file di testo (ad esempio elementi pubblicati su social network) e di organizzarli automaticamente in base a termini o argomenti. Inoltre, permette di utilizzare questi argomenti per offrire contenuto personalizzato ai clienti o migliorare le funzionalità di ricerca e navigazione. Ad esempio, è possibile raggruppare automaticamente per argomento gli articoli in un’ampia raccolta per permettere al sito di suggerirne di nuovi ai visitatori in base a ciò che hanno letto in precedenza.
È possibile estendere in modo semplice Amazon Comprehend per identificare termini specifici, come i numeri di policy o i codici. È inoltre possibile estendere Comprehend per classificare documenti e messaggi in modo razionale per l'azienda, come le domande del supporto clienti per richiesta o i post dei social media per prodotto. L'aggiunta della personalizzazione non richiede esperienza nell'apprendimento automatico. È sufficiente fornire le etichette e un piccolo insieme di esempi per ognuno e Comprehend si occuperà del resto.
Basato sugli innovativi modelli di apprendimento automatico, Amazon Comprehend è in grado da scoprire informazioni approfondite da testo non strutturato come post dei social media post, e-mail e pagine Web. Amazon Comprehend Medical identifica le informazioni mediche, ad esempio sulle malattie, determinandone le relazioni l’una con l’altra (il dosaggio e la potenza dei farmaci). Ad esempio Amazon Comprehend Medical estrae il nome “staphylococcus aureus resistente alla meticillina,” spesso con la dicitura “MRSA,” e fornisce il contesto, ad esempio se un paziente è risultato positivo o negativo al relativo test, per dare significato al termine.
Come funziona
Casi d'uso
Analisi della voce dei clienti
Amazon Comprehend può essere impiegato per analizzare le interazioni dei clienti sotto forma di e-mail di assistenza, elementi pubblicati sui social network, commenti online, trascrizioni telefoniche e così via, e scoprire quali sono i fattori da cui dipendono maggiormente le esperienze positive e negative. Quindi queste informazioni possono essere utilizzate per migliorare prodotti e servizi.
Esempio: analisi in un call center
Ricerca più accurata
Amazon Comprehend può essere utilizzato per offrire una migliore esperienza di ricerca agli utenti; è sufficiente consentire al motore di ricerca di indicizzare frasi chiave, parti del discorso e sentiment. In questo modo, sarà possibile concentrare la ricerca su intento e contesto degli articoli invece che sulle parole chiave.
Esempio: indicizzazione e ricerca nelle recensioni di un prodotto
Ricerca e gestione di informazioni
Amazon Comprehend può essere utilizzato per organizzare e suddividere in categorie documenti in base all'argomento per semplificarne l'individuazione, quindi personalizzare i consigli di lettura per gli utenti in modo da suggerire articoli attinenti.
Esempio: personalizzazione di un contenuto su un sito Web
Classificare le richieste di supporto per una migliore gestione dei problemi
Utilizzare la classificazione personalizzata per suddividere automaticamente in categorie i documenti del supporto clienti in entrata, come i moduli di feedback online, le richieste di supporto, i post dei forum e le revisioni dei prodotti in base ai contenuti. Ad esempio, richieste di cancellazione dell'account, problemi di fatturazione, modifica di indirizzo ecc. Utilizzare quindi le entità personalizzate per estrarre automaticamente informazioni importanti come i numeri di serie, i livelli di fedeltà e i nomi di prodotti per instradare rapidamente i documenti al team meglio attrezzato a risolvere i problemi dei clienti e migliorare la soddisfazione generale del cliente.
Esempio: Gestione della richiesta di assistenza clienti
Esecuzione delle analisi delle coorti mediche
In oncologia, è fondamentale scegliere rapidamente la giusta gamma di criteri per reclutare i pazienti per le sperimentazioni cliniche. Amazon Comprehend Medical comprende e identifica informazioni mediche complesse presenti nei dati non strutturati per semplificarne l’indicizzazione e la ricerca. È possibile utilizzare queste informazioni per reclutare i pazienti per la sperimentazione clinica appropriata in una frazione del tempo e dei costi associati ai processi di selezione manuali.
Esempio: Reclutamento per una sperimentazione clinica
Storie di successo
LexisNexis Legal & Professional è un provider globale di soluzioni tecnologiche e di contenuto destinate a professionisti del campo legale e aziendale, che offre servizi in oltre 175 paesi e 2 miliardi di archivi in cui eseguire ricerche.
“Forniamo ai professionisti del settore legale ricerche ed analisi approfondite per consentire loro di prendere decisioni consapevoli. Pertanto stiamo cercando modi migliori per ottenere informazioni dettagliate dai documenti legali. Grazie alla funzione di apprendimento automatico (ML) offerta da Amazon Comprehend, possiamo ora creare modelli di riconoscimento delle entità personalizzate accurati, senza le complessità associate all’apprendimento automatico. Le entità per noi più importanti, come il giudice o l'avvocato, possono essere identificate rapidamente da oltre 200 milioni di documenti, con una precisione superiore al 92%".
Rick McFarland, Responsabile capo dei dati di LexisNexis
La piattaforma di coinvolgimento mobile di Vibes consente ai professionisti del marketing di interagire in maniera individuale con gli attuali consumatori di dispositivi mobili iper-connessi su vasta scala.
“La messaggistica mobile connette marchi e consumatori in modo diretto, personale e autentico. Presso Vibes, processiamo miliardi di messaggi mobili ogni giorni e ci sono profonde conoscenze latenti nel vasti numero di messaggi che processiamo. Amazon Comprehend ci consente di estrarre frasi chiave rapidamente, di rilevare sentimenti e di modellare argomenti da contenuti di messaggi non strutturati, fornendo agli esperti di marketing una comprensione più approfondita delle proprie prestazioni e idee pratiche per fornire al cliente esperienze gratificanti".
Brian Garofola, CTO di Vibes
FINRA è un'organizzazione no profit dedicata alla protezione degli investitori e dell'integrità dei mercati. Regola infatti una porzione critica del settore dei titoli, con particolare attenzione per le aziende di brokeraggio che operano con il pubblico negli Stati Uniti.
"FINRA riceve milioni di documenti con dati non strutturati per supportare i processi investigativi, di esame e di conformità. I nostri investigatori ed esaminatori hanno dovuto sfogliare i documenti pagina per pagina o eseguire ricerche molto mirate per trovare ciò di cui avevano bisogno. Con Amazon Comprehend possiamo estrarre rapidamente persone e organizzazioni, associare le entità estratte ai record di FINRA, evidenziare persone di interesse e rilevare analogie con altri documenti".
Dmytro Dolgopolov, Direttore Senior delle tecnologie di FINRA
VidMob è una piattaforma tecnologica che mette in collegamento i professionisti del marketing con una rete globale di esperti di editing, animazione e grafica animata.
"I servizi Amazon Comprehend e Amazon Transcribe permettono a VidMob di creare analisi del testo con machine learning di alta qualità tramite l'Agile Creative Suite, consentendoci di aiutare i clienti a comprendere le prestazioni dei contenuti come mai prima. Ora è possibile trascrivere il testo dai contenuti video e analizzarlo con la massima rapidità tramite Comprehend, consentendoci di raccogliere informazioni concrete sia per la community di autori sia per i clienti, e fornendo loro un vantaggio strategico nel mercato".
Alex Collmer, Fondatore e amministratore delegato di VidMob
Nozioni di base su AWS
Inizia a lavorare con AWS
Ulteriori informazioni su Amazon Comprehend