Amazon Comprehend

Выявление закономерностей и взаимосвязей в тексте

Amazon Comprehend – это сервис обработки естественного языка (NLP), в котором для поиска закономерностей и взаимосвязей в тексте применяются технологии машинного обучения. Опыт в сфере машинного обучения не требуется.

Ваши неструктурированные данные ​​– это настоящий кладезь сокровищ. Электронные сообщения клиентов, заявки в службу поддержки, отзывы о товарах и услугах, социальные сети и даже рекламные материалы содержат информацию о настроениях клиентов, которую вы можете поставить на службу своего бизнеса. Весь вопрос в том, как до всего этого добраться. Практика показывает, что машинное обучение отлично подходит для точной идентификации представляющих интерес терминов в больших объемах текста (поиск названий компании в аналитических отчетах) и оценки настроений, выражаемых в языковых конструкциях (идентификация отрицательных отзывов или положительного опыта взаимодействия клиента со специалистом службы поддержки), практически в неограниченных масштабах.

Amazon Comprehend использует машинное обучение для извлечения аналитических сведений и взаимосвязей из ваших неструктурированных данных. Сервис определяет язык текста, извлекает ключевые фразы, распознает людей, места, бренды или события, определяет степень позитивности или негативности текста, анализирует текст с помощью токенизации и частей речи и в результате автоматически группирует набор текстовых файлов по темам. Можно использовать возможности AutoML в Amazon Comprehend для создания пользовательского набора сущностей или моделей классификации текста, адаптированных к уникальным потребностям вашей организации.

Для извлечения сложных медицинских данных из неструктурированного текста можно использовать Amazon Comprehend Medical. Сервис может идентифицировать такие медицинские данные, как диагнозы, названия препаратов, дозировки, эффективность воздействия и частоту приема, используя различные источники, например заметки врача, отчеты о клинических испытаниях и истории болезни пациентов. Amazon Comprehend Medical также идентифицирует взаимосвязь между извлеченными препаратами и данными обследований, терапии и процедур для облегчения процесса анализа. Например, сервис использует неструктурированные клинические заметки для идентификации конкретной дозировки, эффективности воздействия и частоты приема, связанных с конкретным препаратом.

Amazon Comprehend – это полностью управляемый сервис, поэтому вам не требуется подготавливать серверы, создавать, обучать и развертывать модели машинного обучения. Вы платите только за то, чем пользуетесь, без минимальных платежей или авансовых обязательств.

Introducing Amazon Comprehend

Преимущества

Получение ответов на интересующие вопросы из текстов

Систематизация документов по темам

Обучение моделей на основе ваших данных

Поддержка общих и специализированных отраслевых текстов

Amazon Comprehend может обнаружить смысл и взаимосвязи в различных текстах, включая обращения клиентов в службу поддержки, обзоры продуктов, ленты новостей в социальных сетях, новостные статьи, документы и тексты из других источников. К примеру, он позволяет определить, какая возможность упоминается чаще всего, когда клиенты довольны или недовольны продуктом.

Amazon Comprehend может анализировать коллекцию документов и других текстовых файлов (например, публикаций в социальных сетях) и автоматически организовывать их по соответствию условиям или наиболее подходящим темам. Впоследствии темы можно использовать для доставки клиентам индивидуально настроенного контента или для повышения функциональности поиска и навигации. Например, если у вас есть большая коллекция новостных статей, их можно автоматически сгруппировать по тематикам, чтобы посетителям на сайте предлагались новые статьи в зависимости от того, что они читали ранее.

Легко расширить возможности Amazon Comprehend для идентификации конкретных терминов, например номеров полисов или артикулов. Кроме того, можно расширить функции Comprehend для классификации документов и сообщений по нужным вашему бизнесу параметрам, таким как обращения в службу поддержки по запросам или записи в социальных сетях по продуктам. Для добавления этих пользовательских функций опыт в сфере машинного обучения не требуется. Достаточно предоставить метки и небольшой набор примеров для каждой из них, и Comprehend позаботится об остальном.

Используя инновационные модели машинного обучения, сервис Amazon Comprehend обнаруживает ценные данные в неструктурированных текстах, включая посты в социальных сетях, электронные письма и веб-страницы. Amazon Comprehend Medical также идентифицирует медицинские данные (например, названия препаратов и диагнозы) и определяет взаимосвязи между ними, включая дозировки препаратов и эффективность воздействия. Например, Amazon Comprehend Medical извлекает название «устойчивый к метициллину Staphylococcus aureus», или «MRSA», и делает извлеченный термин более значимым, предоставляя контекст, например положительные или отрицательные результаты анализов пациента.

Как работает сервис

product-page-diagram-AWS-Hera-Launch_How-It-Works@1.5x

Примеры использования


Анализ мнений клиентов

Amazon Comprehend позволяет анализировать процесс взаимодействия с клиентами по электронным письмам в службу поддержки, публикациям в социальных сетях, онлайн‑комментариям, расшифровкам телефонных разговоров и т. д., а также выяснять, какие факторы вызывают наиболее позитивную и негативную реакцию. Полученные данные можно использовать для улучшения своих продуктов и сервисов.

Пример: анализ работы кол‑центра

product-page-diagram_Amazon-Comprehend_Voice-Of-Customer

Amazon Comprehend можно использовать для улучшения качества поиска, позволяя поисковой системе индексировать ключевые фразы, сущности и настроения. Это дает возможность сосредоточить поиск на основных темах и контексте статей, а не просто на ключевых словах.

Пример: индексирование обзоров продуктов и поиск по ним

product-page-diagram_Amazon-Comprehend_Semantic-Search

Управление знаниями и их обнаружение

С помощью Amazon Comprehend можно организовывать и группировать документы по темам, облегчающим поиск информации, а затем давать читателям индивидуальные рекомендации по контенту, предлагая ознакомиться с другими статьями на ту же тему.

Пример: индивидуальная настройка контента на веб‑сайте

product-page-diagram_Amazon-Comprehend_Knowledge-Management-Discovery

Классификация обращений в службу поддержки для более эффективного решения проблем

Используйте пользовательские функции для автоматической классификации по содержимому поступающих от клиентов документов для службы поддержки, таких как онлайн-формы обратной связи, обращения в службу поддержки, записи на форумах, отзывы о товарах и услугах. Так, можно классифицировать запросы на удаление аккаунта, проблемы с выставлением счетов, изменение адреса и т. д. Затем с помощью пользовательских сущностей можно автоматически извлекать нужную информацию, например артикулы, уровни лояльности и названия изделий, чтобы быстро перенаправлять документы специалистам, которые лучше всего справятся с проблемой клиента, тем самым повышая клиентскую удовлетворенность в целом.

Пример. Обработка обращений в службу поддержки

product-page-diagram_Amazon-Comprehend_Customer-Support-Ticket-Handling

Анализ медицинских когорт

В онкологических исследованиях крайне важно быстро определить правильные критерии отбора, чтобы набрать пациентов в клиническое испытание. Amazon Comprehend Medical понимает и идентифицирует сложные медицинские данные в неструктурированном тексте, чтобы упростить индексирование и поиск. Используя эту ценную информацию, вы можете идентифицировать пациентов для набора в нужное клиническое исследование, экономя при этом время и затраты по сравнению с ручным отбором.

Пример. Набор пациентов в клиническое исследование

product-page-diagram-AWS-Hera-Launch_Clinical-Trial-Recruitment@1.5x

Истории успеха клиентов

600x400_LexisNexis

LexisNexis Legal & Professional – ведущий международный поставщик технологических решений для обработки контента, который обслуживает юридических и корпоративных клиентов в более чем 175 странах, предлагая более 2 миллиардов архивов с возможностью поиска.

«Мы помогаем юристам принимать информированные решения, предоставляя им ценные аналитические сведения. Поэтому наша компания всегда ищет более удачные способы извлекать нужные данные из юридических документов. Благодаря автоматическому машинному обучению сервиса Amazon Comprehend (ML) мы теперь можем создавать точные модели распознавания пользовательских сущностей, не вникая в сложности, связанные с ML. Самые интересные для нас сущности – судья и прокурор – быстро идентифицируются из более чем 200 миллионов документов с точностью выше 92 %».

Рик Макфарланд, директор по обработке и анализу данных, LexisNexis


Vibes Logo

Современное решение Vibes Mobile Engagement Platform позволяет маркетологам взаимодействовать с каждым из сверхбольшого количества пользователей мобильных устройств в необходимом масштабе.

«Мобильный обмен сообщениями позволяет брендам и потребителям взаимодействовать без посредников, в личной и искренней манере. В Vibes мы обрабатываем миллиарды мобильных сообщений каждый месяц, и в этом огромном количестве обрабатываемых данных скрыта очень полезная информация. Сервис Amazon Comprehend позволяет нам быстро извлекать ключевые фразы, определять эмоциональный фон и моделировать темы из неструктурированного текста сообщений, предоставляя маркетологам более глубокое понимание их эффективности и полезную аналитику, чтобы они могли улучшать качество взаимодействия с клиентами».

Брайан Гарофола, технический директор, Vibes


600x400_Finra_Logo

FINRA – это некоммерческая организация, которая ставит своей целью защиту инвесторов и обеспечение целостности рынка. Это агентство контролирует одну из важнейших частей сферы безопасности: брокерские фирмы, работающие с населением США.

«FINRA получает миллионы документов с неструктурированными данными для проведения исследований и проверок, а также соблюдения требований. Нашим экспертам и проверяющим приходилось вручную просматривать документы, страница за страницей, или запускать очень узкие целевые поиски, чтобы найти нужную информацию. С помощью Amazon Comprehend мы можем быстро извлекать данные людей и организаций, сопоставлять извлеченные сущности с записями FINRA, помечать интересующих нас особ и обнаруживать сходства с другими документами».

Дмитрий Долгополов, директор технологического отдела, FINRA


600x400_Vidmob_Logo

VidMob – это технологическая платформа, объединяющая маркетологов с глобальной сетью опытных редакторов, аниматоров и дизайнеров динамической графики.

«Сервисы Amazon Comprehend и Amazon Transcribe позволили VidMob внедрить в продукт Agile Creative Suite функции высококачественного анализа текста на основе машинного обучения. Теперь наш продукт помогает владельцам брендов анализировать эффективность контента с применением техник, которые ранее казались невозможными. Мы можем расшифровывать текст видеоконтента и быстро анализировать его с помощью Comprehend, благодаря чему создатели контента и наши клиенты получают полезную аналитическую информацию, которая дает им стратегические преимущества на рынке».

Алекс Колмер, основатель и генеральный директор, VidMob

Начало работы с AWS

Step 1 - Sign up for an AWS account

Регистрация аккаунта AWS

Получите мгновенный доступ к уровню бесплатного пользования AWS.
icon2

Обучение с помощью 10-минутных учебных пособий

Знакомьтесь с сервисами и учитесь с помощью простых учебных пособий.
icon3

Начните разработку с AWS

Начните создавать проекты на AWS с помощью пошаговых руководств.
Готовы приступить к разработке?
Есть вопросы?
Свяжитесь с нами