Amazon Comprehend

ค้นพบข้อมูลเชิงลึกและความสัมพันธ์ที่อยู่ในข้อความ

Amazon Comprehend คือบริการประมวลผลภาษาธรรมชาติ (NLP) ที่ใช้ Machine Learning เพื่อค้นหาข้อมูลเชิงลึกและความสัมพันธ์ในข้อความ ไม่จำเป็นต้องมีประสบการณ์ด้าน Machine Learning

ข้อมูลที่ไม่มีโครงสร้างชัดเจนนั้นมีขุมสมบัติแห่งศักยภาพรออยู่ อีเมลของลูกค้า ตั๋วแจ้งปัญหา รีวิวผลิตภัณฑ์ โซเชียลมีเดีย แม้กระทั่งข้อความโฆษณา ล้วนเป็นข้อมูลเชิงลึกที่สื่อถึงความเชื่อมั่นผู้บริโภคซึ่งอาจเป็นประโยชน์กับธุรกิจของคุณ คำถามก็คือ ต้องทำวิธีใดจึงจะได้ข้อมูลมา ตามที่เห็น Machine Learning นั้นเหมาะสำหรับระบุรายการเฉพาะของความสนใจที่อยู่ในข้อความกลุ่มใหญ่ (เช่น การค้นหาชื่อบริษัทในรายงานการวิเคราะห์) อย่างแม่นยำ และสามารถใช้ดูความเชื่อมั่นที่ซ่อนอยู่ภายในภาษา (ระบุความคิดเห็นเชิงลบ หรือการโต้ตอบในเชิงบวกของลูกค้ากับเจ้าหน้าที่ฝ่ายบริการลูกค้า) ในระดับที่เกือบไร้ขีดจำกัด

Amazon Comprehend ใช้ Machine Learning ช่วยเผยให้คุณเห็นข้อมูลเชิงลึกและความสัมพันธ์ในข้อมูลที่ไม่มีโครงสร้างชัดเจน บริการนี้จะระบุภาษาของข้อความ แยกวลี สถานที่ ผู้คน แบรนด์ หรือเหตุการณ์ต่างๆ ที่สำคัญ ทำความเข้าใจว่าข้อความเป็นเชิงบวกหรือเชิงลบ วิเคราะห์ข้อความโดยใช้การสร้างโทเค็นและชนิดของคำ รวมทั้งจัดเรียงชุดของไฟล์ข้อความตามหัวข้อโดยอัตโนมัติ นอกจากนี้คุณยังอาจใช้ความสามารถ AutoML ใน Amazon Comprehend เพื่อสร้างชุดที่กำหนดเองของสิ่งต่างๆ หรือโมเดลการจัดหมวดหมู่ข้อความที่ปรับให้เหมาะสมกับความต้องการขององค์กรโดยเฉพาะ

สำหรับการแยกข้อมูลทางการแพทย์ที่ซับซ้อนออกจากข้อความที่ไม่มีโครงสร้างชัดเจน คุณสามารถใช้ Amazon Comprehend Medical บริการนี้สามารถระบุข้อมูลทางการแพทย์ได้ เช่น ภาวะการเจ็บป่วย ยา ปริมาณยาที่ใช้ ความแข็งแรง และความถี่ จากหลายแหล่งข้อมูล เช่น บันทึกของแพทย์ รายงานการวิจัยทางคลินิก และระเบียนสุขภาพผู้ป่วย นอกจากนี้ Amazon Comprehend Medical ยังระบุความสัมพันธ์ระหว่างยาที่สกัดและทดสอบ ข้อมูลการรักษาและขั้นตอน เพื่อให้วิเคราะห์ได้ง่ายขึ้น ตัวอย่างเช่น บริการนี้ระบุเฉพาะปริมาณยาที่ใช้ ความแข็งแรง และความถี่ที่เกี่ยวข้องกับยาที่ระบุไว้จากบันทึกด้านการรักษาที่ไม่มีโครงสร้างชัดเจน

Amazon Comprehend มีการจัดการเต็มรูปแบบ ดังนั้นจึงไม่มีการเตรียมใช้งานเซิร์ฟเวอร์และไม่มีการสร้าง ฝึกฝน หรือปรับใช้โมเดล Machine Learning คุณจ่ายเฉพาะที่คุณใช้ และไม่มีค่าธรรมเนียมขั้นต่ำและข้อผูกพันล่วงหน้า

ขอแนะนำ Amazon Comprehend

ประโยชน์

รับคำตอบที่ดีขึ้นจากข้อความของคุณ

จัดเอกสารตามหัวข้อ

ฝึกฝนโมเดลกับข้อมูลของคุณเอง

รองรับข้อความทั่วไปและข้อความเฉพาะอุตสาหกรรม

Amazon Comprehend สามารถค้นพบความหมายและความสัมพันธ์ในข้อความจากเหตุการณ์การสนับสนุนลูกค้า รีวิวผลิตภัณฑ์ ฟีดบนโซเชียลมีเดีย บทความข่าว เอกสาร และแหล่งข้อมูลอื่นๆ ตัวอย่างเช่น คุณสามารถระบุคุณสมบัติที่ได้รับการกล่าวถึงบ่อยที่สุด เมื่อลูกค้าพอใจหรือไม่พอใจเกี่ยวกับผลิตภัณฑ์ของคุณ

Amazon Comprehend สามารถวิเคราะห์ชุดเอกสารและไฟล์ข้อความอื่นๆ (เช่น โพสต์บนโซเชียลมีเดีย) และจัดระเบียบโดยอัตโนมัติตามข้อกำหนดหรือหัวข้อที่เกี่ยวข้อง จากนั้น คุณสามารถใช้หัวข้อเพื่อส่งมอบเนื้อหาที่ปรับให้เป็นส่วนบุคคลให้กับลูกค้าของคุณหรือเพื่อให้การค้นหาและการนำทางที่ดียิ่งขึ้น ตัวอย่างเช่น หากคุณมีบทความข่าวสารมากมาย คุณสามารถจัดกลุ่มโดยอัตโนมัติตามหัวข้อได้เพื่อให้เว็บไซต์ของคุณแนะนำบทความใหม่แก่ผู้เข้าชมตามสิ่งที่พวกเขาอ่านมาก่อนหน้านี้

คุณสามารถขยายการใช้งาน Amazon Comprehend เพื่อระบุข้อกำหนดเฉพาะ เช่น หมายเลขนโยบาย หรือรหัสชิ้นส่วน นอกจากนี้คุณยังสามารถขยายการใช้งาน Comprehend เพื่อจัดประเภทเอกสารและข้อความในลักษณะที่เหมาะสมกับธุรกิจ เช่น เรียงการสอบถามเกี่ยวกับการสนับสนุนลูกค้าตามคำขอ หรือเรียงโพสต์บนโซเชียลมีเดียตามผลิตภัณฑ์ การเพิ่มการปรับแต่งนี้ไม่จำเป็นต้องมีความเชี่ยวชาญด้าน Machine Learning คุณเพียงแค่ให้ป้ายกำกับและชุดตัวอย่างขนาดเล็กสำหรับแต่ละรายการ แล้ว Comprehend จะจัดการส่วนที่เหลือเอง

ให้บริการโดยโมเดล Machine Learning ที่ล้ำสมัย Amazon Comprehend จึงสามารถค้นพบข้อมูลเชิงลึกได้จากข้อความที่ไม่มีโครงสร้างชัดเจน เช่น โพสต์บนโซเชียลมีเดีย อีเมล และหน้าเว็บ Amazon Comprehend Medical ยังระบุข้อมูลทางการแพทย์ เช่น ยาและภาวะการเจ็บป่วย รวมทั้งกำหนดความสัมพันธ์ให้แก่แต่ละรายการ (เช่น ปริมาณการใช้ยาและความแข็งแรง) ตัวอย่างเช่น Amazon Comprehend Medical ดึงข้อมูล “methicillin-resistant Staphylococcus aureus” บ่อยครั้งที่ระบุเป็น “MRSA” และให้บริบท เช่น ไม่ว่าผลการทดสอบของผู้ป่วยจะมีผลเป็นบวกหรือลบก็ตาม เพื่อให้คำดึงข้อมูลมามีความหมาย

วิธีทำงาน

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

กรณีใช้งาน


เสียงของการวิเคราะห์ลูกค้า

คุณสามารถใช้ Amazon Comprehend ในการวิเคราะห์การโต้ตอบกับลูกค้าในรูปแบบของอีเมลสนับสนุน โพสต์สื่อสังคม ความคิดเห็นออนไลน์ การถอดเสียงการสนทนาทางโทรศัพท์ ฯลฯ และค้นพบว่าปัจจัยใดที่กระตุ้นประสบการณ์ในเชิงบวกและลบมากที่สุด จากนั้น คุณก็สามารถใช้ข้อมูลเชิงลึกเหล่านี้เพื่อปรับปรุงผลิตภัณฑ์และบริการของคุณได้

ตัวอย่าง: การวิเคราะห์ศูนย์บริการลูกค้า

product-page-diagram_Amazon-Comprehend_Voice-Of-Customer

คุณสามารถใช้ Amazon Comprehend เพื่อมอบประสบการณ์การค้นหาที่ดียิ่งขึ้นได้โดยการทำให้เครื่องมือค้นหาของคุณสามารถจัดทำดัชนีวลีสำคัญ หน่วยงาน และความเชื่อมั่นได้ ซึ่งช่วยให้คุณสามารถมุ่งเน้นไปที่การค้นหาตามความต้องการและบริบทของบทความได้ แทนที่จะเป็นคำหลักพื้นฐาน

ตัวอย่าง: ดัชนีและการค้นหารีวิวผลิตภัณฑ์

product-page-diagram_Amazon-Comprehend_Semantic-Search

การจัดการและการค้นพบความรู้

คุณสามารถใช้ Amazon Comprehend เพื่อจัดระเบียบและจัดหมวดหมู่เอกสารของคุณตามหัวข้อเพื่อให้ค้นพบได้ง่ายขึ้น จากนั้นปรับการแนะนำเนื้อหาให้เข้ากับผู้อ่านแต่ละคนโดยการแนะนำบทความอื่นๆ ที่เกี่ยวข้องกับหัวข้อเดียวกัน

ตัวอย่าง: ปรับเนื้อหาในเว็บไซต์ให้เข้ากับตัวบุคคล

product-page-diagram_Amazon-Comprehend_Knowledge-Management-Discovery

จัดประเภทตั๋วแจ้งปัญหาเพื่อให้จัดการปัญหาได้ดีขึ้น

ใช้การจัดหมวดหมู่แบบกำหนดเองเพื่อจัดประเภทเอกสารประกอบของลูกค้าขาเข้าโดยอัตโนมัติ เช่น แบบฟอร์มแสดงความคิดเห็นออนไลน์ ตั๋วแจ้งปัญหา โพสต์ฟอรัม และรีวิวผลิตภัณฑ์ ตามเนื้อหาของตน ตัวอย่างเช่น คำขอยกเลิกบัญชี ปัญหาการเรียกเก็บเงิน การเปลี่ยนที่อยู่ ฯลฯ จากนั้น ใช้หน่วยงานที่กำหนดเองดึงข้อมูลที่เกี่ยวข้องโดยอัตโนมัติ เช่น หมายเลขชิ้นส่วน ระดับความภักดี และชื่อผลิตภัณฑ์ เพื่อกำหนดเส้นทางส่งเอกสารอย่างรวดเร็วไปยังทีมที่พร้อมที่สุดในการแก้ปัญหาของลูกค้าและปรับปรุงความพึงพอใจของลูกค้าโดยรวม

ตัวอย่าง: จัดการตั๋วแจ้งปัญหาของลูกค้า

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

ทำการวิเคราะห์ตามกลุ่มข้อมูลทางการแพทย์

สำหรับเนื้องอกวิทยา การค้นพบเกณฑ์การเลือกที่ถูกต้องอย่างรวดเร็วนั้นเป็นสิ่งสำคัญในการรับผู้ป่วยเข้าวิจัยทางคลินิก Amazon Comprehend Medical เข้าใจและระบุข้อมูลทางการแพทย์อันซับซ้อนที่พบในข้อความที่ไม่มีโครงสร้างชัดเจน เพื่อช่วยให้การทำดัชนีและการค้นหาง่ายขึ้น คุณสามารถใช้ข้อมูลเชิงลึกเหล่านี้เพื่อระบุการรับผู้ป่วยเข้าวิจัยทางคลินิกที่เหมาะสมในส่วนของเวลาและค่าใช้จ่ายจากกระบวนการเลือกที่ทำด้วยตนเอง

ตัวอย่าง: การรับเข้าวิจัยทางคลินิก

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

ความสำเร็จของลูกค้า

600x400_LexisNexis

LexisNexis Legal & Professional คือผู้ให้บริการเนื้อหาและโซลูชันด้านเทคโนโลยีสำหรับผู้เชี่ยวชาญทางกฎหมายและธุรกิจ โดยให้บริการลูกค้ากว่า 175 ประเทศและมอบการเก็บถาวรที่สามารถค้นหาได้กว่า 2 พันล้านรายการ

“เรามอบการวิจัยและวิเคราะห์ที่เปี่ยมไปด้วยข้อมูลเชิงลึกให้กับผู้เชี่ยวชาญด้านกฎหมายเพื่อช่วยพวกเขาในการตัดสินใจจากข้อมูล เพราะฉะนั้น เราจึงต้องมองหาวิธีสำรวจข้อมูลเชิงลึกจากเอกสารทางกฎหมายที่ดียิ่งขึ้นอยู่เสมอ แมชชีนเลิร์นนิง (ML) อัตโนมัติของ Amazon Comprehend ช่วยให้เราสร้างแบบจำลองการจดจำเอนทิตีแบบกำหนดเองได้แล้วในขณะนี้ โดยไม่ต้องเผชิญกับความยุ่งยากจาก ML ระบบสามารถระบุเอนทิตีที่เราสนใจมากที่สุด เช่น ผู้พิพากษาและทนาย ได้อย่างรวดเร็วจากเอกสาร 200 ล้านรายการ โดยมีความแม่นยำที่ 92%”

คุณ Rick McFarland หัวหน้าเจ้าหน้าที่ฝ่ายข้อมูล - LexisNexis


Vibes Logo

Vibes Mobile Engagement Platform ช่วยให้นักการตลาดติดต่อกันได้แบบตัวต่อตัวด้วยลูกค้าที่เชื่อมต่อกันเป็นจำนวนมากผ่านอุปกรณ์เคลื่อนที่

“การรับส่งข้อความทางอุปกรณ์เคลื่อนที่เชื่อมต่อแบรนด์กับลูกค้าแบบโดยตรง เป็นส่วนตัว และน่าเชื่อถือ ที่ Vibes แห่งนี้ เราประมวลผลการรับส่งข้อความหลายพันล้านรายการทุกเดือน และมีข้อมูลเชิงลึกแอบแฝงอยู่ในข้อความที่เราประมวลผลเป็นจำนวนมาก Amazon Comprehend ช่วยให้เราแยกวลีหลัก ตรวจหาแนวความคิด และจำลองแบบหัวข้อจากเนื้อหาที่ไม่มีโครงสร้าง ซึ่งช่วยมอบความเข้าใจที่ชัดเจนยิ่งขึ้นถึงประสิทธิภาพและข้อมูลเชิงลึกที่ดำเนินการได้ให้กับนักการตลาด เพื่อมอบประสบการณ์ที่มีคุณค่าให้กับลูกค้า"

คุณ Brian Garofola CTO - Vibes


600x400_Finra_Logo

FINRA คือองค์กรการกุศลที่มุ่งเป้าไปที่การปกป้องนักลงทุนและการรวมตลาด โดยกำหนดส่วนที่สำคัญของอุตสาหกรรมการรักษาความปลอดภัยอย่างบริษัทโบรกเกอร์ที่ทำธุรกิจกับผู้คนทั่วไปในสหรัฐอเมริกา

"FINRA รับเอกสารหลายล้านรายการที่มีข้อมูลที่ไม่มีโครงสร้างเพื่อสนับสนุนขั้นตอนการสืบสวน การพิจารณา และความสอดคล้อง ผู้ตรวจสอบและพิจารณาต้องตรวจสอบเอกสารด้วยตัวเองทีละหน้าหรือค้นหาตามเป้าหมายเพื่อดูสิ่งที่ต้องการ Amazon Comprehend ช่วยให้เราแยกบุคคลและองค์กร, จับคู่เอนทิตีที่แยกออกมากับบันทึกของ FINRA, ทำเครื่องหมายบุคคลที่น่าสนใจ และตรวจหาความคล้ายกันกับเอกสารอื่นๆ ได้อย่างรวดเร็ว”

คุณ Dmytro Dolgopolov ผู้อำนวจการอาวุโสฝ่ายเทคโนโลยีของ FINRA


600x400_Vidmob_Logo

VidMob คือแพลตฟอร์มเทคโนโลยีที่เชื่อมต่อนักการตลาดด้วยเครือข่ายบรรณาธิการ นักวาดภาพเคลื่อนไหว และนักออกแบบโมชันกราฟิกที่มีความเชี่ยวชาญจากทั่วโลก

“Amazon Comprehend และ Amazon Transcribe ช่วยให้ VidMob สามารถผสานการวิเคราะห์ข้อความจากแมชชีนเลิร์นนิ่งที่มีคุณภาพสูงเข้าไปใน Agile Creative Suite เป็นผลให้เราสามารถช่วยให้ลูกค้าแบรนด์เข้าใจประสิทธิภาพของเนื้อหาได้อย่างที่ไม่เคยมีมาก่อน เราสามารถแปลงข้อความจากเนื้อหาวิดีโอ และวิเคราะห์ได้อย่างรวดเร็วโดยใช้ Comprehend ช่วยให้เราสามารถแสดงมูลเชิงลึกที่สามารถนำไปใช้งานได้ให้แก่ทั้งชุมชนผู้สร้างของเราและลูกค้าของเรา ซึ่งช่วยให้พวกเขามีความได้เปรียบเชิงกลยุทธ์ในตลาด”

คุณ Alex Collmer ผู้ก่อตั้งและประธานเจ้าหน้าที่บริหารของ VidMob

เริ่มต้นใช้งาน AWS

Step 1 - Sign up for an AWS account

ลงชื่อสมัครใช้งานบัญชี AWS

รับสิทธิ์การเข้าถึง AWS Free Tier ได้ทันที
icon2

เรียนรู้จากบทแนะนำสอนการใช้งาน 10 นาที

สำรวจและเรียนรู้จาก บทแนะนำสอนการใช้งานอย่างง่ายๆ
icon3

เริ่มต้นสร้างด้วย AWS

เริ่มต้นสร้างด้วยคำแนะนำแบบทีละขั้นตอนเพื่อช่วยในการเปิดใช้ โพรเจกต์ AWS ของคุณ

เรียนรู้เพิ่มเติมเกี่ยวกับ Amazon Comprehend

ไปที่หน้าคุณสมบัติ
พร้อมสร้างหรือยัง
มีคำถามเพิ่มเติมหรือไม่
ติดต่อเรา