概要
Discovering Hot Topics Using Machine Learning ソリューションは、自社の製品、ポリシー、イベント、ブランドに関する最も主要なトピックを特定します。これは、新しい成長の機会に迅速に対応し、ネガティブなブランドの関連付けに対処し、お客様のビジネスでより高いレベルの顧客満足度を実現するのに役立ちます。このソリューションは、お客様のブランドに対する評価を理解するのに役立つだけでなく、お客様のビジネスに関連するトピックのインサイトを提供します。
このソリューションでは、AWS CloudFormation テンプレートをデプロイし、これらのソースからのデータインジェストを自動化します：
- RSS ニュースフィード
- 動画に関連する YouTube のコメント
- Reddit (関心のあるサブレディットからのコメント)
- JSON または XLSX 形式のカスタムデータ
利点
AWS Well-Architected フレームワーク手法で開発された AWS CloudFormation テンプレートを使用して、安全なワンクリックデプロイメントを提供します。
テキストと画像を含むストリーミングデータを取り込み、ほぼリアルタイムの分析を行います。トピックモデリングを実行して主要なトピックを検出し、顧客フィードバックの中からトピックを形成する用語をまとめて特定します。
Amazon Translate を使用して、複数の言語でデータを取り込ります。顧客の発言から感情を特定し、文脈セマンティック検索を使用してオンラインディスカッションの性質を理解します。
事前構築された Amazon QuickSight ダッシュボードを起動して、ソリューションの大規模な顧客分析を視覚化します。ほぼリアルタイムで洞察を特定して、コンテキスト、脅威、および機会をほぼ瞬時に理解します。
技術的な詳細情報
このアーキテクチャは、実装ガイドと関連する AWS CloudFormation テンプレートを使用して自動的にデプロイできます。
これらのコンポーネントは、AWS Well-Architected フレームワークとオペレーショナルエクセレンス、セキュリティ、信頼性、パフォーマンス効率、およびコスト最適化の AWS Well-Architected Pillars を使用して構築されており、安全で高性能、復元力のある効率的なインフラストラクチャを確保します。
ステップ 1 - 取り込み
AWS Lambda 関数、Amazon DynamoDB、Amazon EventBridge は、ソーシャルメディアや RSS フィードの取り込みと管理を提供します。Twitter、YouTube のコメント、RSS ニュースフィード、Amazon Simple Storage Service (Amazon S3) バケットを使用したカスタム取り込みに関する詳細なリファレンスアーキテクチャ図表については、実装ガイドを参照してください。
ステップ 2 - データストリーム
データは Amazon Kinesis Data Streamsを介してバッファされ、回復性とスロットルの着信リクエストを提供します。 Kinesis データストリームには DLQ が設定されており、処理フィードのいかなるエラーもキャッチします。
ステップ 3 - ワークフロー
Kinesis データストリームのコンシューマー (Lambda function)が AWS Step Functionsのワークフローを開始します。これにより、以下を含む Amazon Machine Learning 機能が統合されます: Amazon Translate，Amazon Comprehend，そしてAmazon Rekognition。
ステップ 4 - 統合
推論データが、EventBridgeを使用して、イベント主導型のアーキテクチャを通じてストレージコンポーネントと統合します。EventBridgeで設定ルールを変え、さらにカスタマイズして追加ターゲットを加えることができます。
ステップ 5 - ストレージと可視化
Amazon Kinesis Data Firehose、S3 バケット、AWS Glueテーブル、Amazon Athena、Amazon QuickSight の組み合わせでストレージと可視化を提供します。
ステップ 1 - 取り込み
AWS Lambda 関数、Amazon DynamoDB、Amazon EventBridge は、ソーシャルメディアや RSS フィードの取り込みと管理を提供します。Twitter、YouTube のコメント、RSS ニュースフィード、Amazon Simple Storage Service (Amazon S3) バケットを使用したカスタム取り込みに関する詳細なリファレンスアーキテクチャ図表については、実装ガイドを参照してください。
ステップ 2 - データストリーム
データは Amazon Kinesis Data Streamsを介してバッファされ、回復性とスロットルの着信リクエストを提供します。 Kinesis データストリームには DLQ が設定されており、処理フィードのいかなるエラーもキャッチします。
ステップ 3 - ワークフロー
Kinesis データストリームのコンシューマー (Lambda function)が AWS Step Functionsのワークフローを開始します。これにより、以下を含む Amazon Machine Learning 機能が統合されます: Amazon Translate，Amazon Comprehend，そしてAmazon Rekognition。
ステップ 4 - 統合
推論データが、EventBridgeを使用して、イベント主導型のアーキテクチャを通じてストレージコンポーネントと統合します。EventBridgeで設定ルールを変え、さらにカスタマイズして追加ターゲットを加えることができます。
ステップ 5 - ストレージと可視化
Amazon Kinesis Data Firehose、S3 バケット、AWS Glueテーブル、Amazon Athena、Amazon QuickSight の組み合わせでストレージと可視化を提供します。
関連コンテンツ
このブログ記事では、機械学習のソリューション、「Discovering Hot Topics using Machine Learning (機械学習利用の最新情報を知る)」を使用して、ソーシャルメディアのフィードから洞察を引き出し、急速に生まれつつある成長機会の活用や、ネガティブな感情への対処、顧客満足度の向上などを図る方法を紹介しています。例として、メディア・エンターテイメント業界のビジネスユースケースを紹介します。