自然言語とキーワードのサポート

自然言語の質問を理解する Amazon Kendra の能力は、その検索エンジンの中核を成しているため、エンドユーザーは「健康上のメリット」などの一般的なキーワード、または「産休の期間はどのくらいですか?」などのより具体的な自然言語の質問を検索することができます。Kendra は「14 週間です」といった具体的な答えを返し、より一般的な検索では答えに最も適したパッセージ、および関連するドキュメントを返します。自然言語は、データのどこからでもより具体的な回答を得ることを可能にします。

文書読解と FAQ 照合

Amazon Kendra は、非構造化データから具体的な回答を引き出すことができます。事前トレーニングは一切必要なく、コンテンツをポイントするように Kendra を設定するだけで、Kendra が「VPN はどのように設定すればよいですか?」などの自然言語のクエリに対する具体的な回答を提供し、この回答は最も適切なドキュメントから自動的に抽出されます。よくある質問 (FAQ) のリストを Kendra にアップロードして、エンドユーザーが尋ねる一般的な質問に直接的な回答を提供することもできます。Kendra は、検索クエリに最も近い質問を探し、対応する回答を返します。

ドキュメントのランク付け

Amazon Kendra は、抽出された回答を補完するために、深層学習ベースのセマンティック検索モデルを使用してランク付けされた関連ドキュメントのリストを返します。これにより、さらに多くの情報を必要とする場合に調べることができる、コンテンツのより網羅的なリストがエンドユーザーに提供されます。

コネクタ

S3、SharePoint、Salesforce、Servicenow、RDS データベース、および One Drive など、人気のデータソース向けの Kendra のコネクタを使用します。今年の後半には対象が増える予定です。 コネクタは、Kendra のインデックスにデータソースを追加し、コネクタタイプを選択するだけで素早く簡単に使用できます。コネクタはドキュメントのアクセス権を維持し、インデックスとデータソースを自動で同期させるようにスケジュールすることができるため、ユーザーは常に最新のデータコンテンツをセキュアに検索します。その他のデータソースタイプには、ユーザー独自のコネクタを構築し、ETL ジョブまたはバックエンドアプリケーションからドキュメントをアップロードできるようにする API を Kendra が提供します。各データソースには異なるファイルタイプが含まれている場合があるため、Kendra では HTML、MS Office Word/PowerPoint、PDF、およびテキスト形式の非構造化データおよび半構造化データをサポートしています。

関連性チューニング

具体的な応答にさらなる重要性を持たせるため、インデックス内の特定のフィールドをブーストすることができます。Amazon Kendra では、特定のデータソースまたはドキュメントのフレッシュネスをチューニングすることが可能です。例えば、「re:invent はいつですか?」とういう検索を行うときに、2019 年の日付が回答候補となるようにドキュメントフレッシュネスの関連性をブーストできます。または、研究報告書のインデックスで信頼性がより高いデータソースをブーストすることもできます。Kendra は、フォーラムおよびその他のサポートタイプのナレッジベースで一般的な投票または表示回数に基づいたドキュメントのブーストもサポートします。これらのブースト機能を組み合わせることによって、例えば話題のニュースやアップデートといった、より頻繁に閲覧されているだけでなく、より最近のドキュメントがブーストされます。

領域最適化

Kendra は、HR、企業運営、サポート、研究開発などの幅広い内部ユースケースの自然言語のクエリ、ドキュメントコンテンツ、および構造を理解するために、深層学習モデルを使用します。Kendra には、IT、金融サービス、保険、医薬品、工業製造、石油/ガス、法律、メディアとエンターテイメント、旅行とホスピタリティ、衛生、HR、ニュース、電気通信、鉱業、食品と飲料、およびオートモーティブなどの領域からの複雑な言語を理解するための最適化も行われています。例えば、HR 関連の回答を検索しているユーザーが「HSA 用紙の提出期限」と入力すると、Kendra はより正確な回答を得るために検索範囲を拡大して「Health Savings Account 用紙の提出期限」も検索します。領域専門知識は、ユーザー独自のシノニムリストを提供することによってさらに向上させることができます (近日提供開始)。特定の用語が含まれるファイルをアップロードするだけで、Kendra がこれらのシノニムを使ってユーザー検索の質を高めます。

増分学習 近日提供開始

Amazon Kendra の機械学習モデルには、エンドユーザーの検索パターンとフィードバックをキャプチャすることによって、お客様それぞれのための再訓練とチューニングが定期的に行われています。例えば、ユーザーが「医療保険はどのように変更すればよいですか?」という検索を行うとき、複数の HR および福利厚生ドキュメントがトップの座を争います。より最近のドキュメントがリストの上位にランクされることもありますが、この基準だけではリストでトップの座を勝ち取るに十分ではないかもしれません。しかし、最新年次の登録手順に対する関心が高まり、ユーザーがそれを古い手順よりも頻繁に開き始めると、Kendra のモデルはその新しいドキュメントの優先度を高めてリストの上位に上げることを学習します。

クエリの自動補完 近日提供開始

Amazon Kendra には、エンドユーザーの検索クエリを自動補完する機能が搭載されています。クエリの自動補完は、ユーザーのキーボード入力を約 25% 減らすだけでなく、より正確で、よく尋ねられる質問へと導くことによってユーザーを助けます。より正確な質問は通常、関連性がより高く、有益な回答につながります。例えば、「IT デスクは」と入力し始めるとすると、Kendra はクエリを補完するために「IT デスクはどこですか?」または「IT デスクは何階ですか?」などのオプションや、その他関連するよくある質問を提案します。

分析と継続的な改善 近日提供開始

絶えず改善される検索エクスペリエンスを提供するため、Amazon Kendra は検索中のアクティビティ (クリック、サムズアップ、サムズダウン) をキャプチャし、メトリクスとインサイトを明らかにして、改善のための措置を講じることができるようにします。Kendra は、トップクエリ、トップドキュメント、および一日あたりのクエリ数などの基本的な運用メトリクスを提供します。Kendra は、平均逆順位 (MRR: Mean Reciprocal Rank)、およびサムズアップまたはサムズダウンの数といった明示的なフィードバックなどの一般的な品質メトリクスも提供します。ユーザーはこの情報を使用して、関連性が高い FAQ の作成、信頼性がより高いコンテンツでの特定データソースのブースト、またはよくある質問を使ったカスタマーサポートチームのトレーニングを行うことができます。

Product-Page_Standard-Icons_01_Product-Features_SqInk
料金の詳細を確認する

Kendra の料金表ページをご覧ください。

詳細はこちら 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
無料のアカウントにサインアップ

AWS 無料利用枠にすぐにアクセスできます。 

サインアップ 
Product-Page_Standard-Icons_03_Start-Building_SqInk
コンソールで構築を開始する

AWS マネジメントコンソールで Kendra を使った構築を始めましょう。

サインイン