Amazon Comprehend 是一項自然語言處理 (NLP) 服務，使用機器學習來尋找文字中的洞見與關係。無需機器學習經驗。
您的非結構化資料中蘊藏著寶貴資產。客戶電子郵件、支援票證、產品評論、社群媒體甚至廣告文案，都可讓您深入了解客戶情緒，從而提升業務績效。但問題是如何取得這類資料？ 事實證明，機器學習特別擅長準確識別大量文字中的特定相關項目 (例如在分析報告中尋找公司名稱)，並可以學習語句中所隱含的情緒 (識別負面評論或客戶與客戶服務人員的良性互動)，具備幾乎無限的擴展能力。
Amazon Comprehend 使用機器學習來幫助您發掘非結構化資料中的洞見與關係。這項服務可識別文字的語言；擷取關鍵片語、地點、人物、品牌或事件；理解文字的正面或負面程度；使用字符化和詞性標記分析文字；以及按主題自動整理文字檔集合。您也可以使用 Amazon Comprehend 中的 AutoML 功能，根據您組織的特定需求，建立一組自訂的實體或文字分類模型。
若要從非結構化文字中擷取複雜的醫療資訊，您可以使用 Amazon Comprehend Medical。此服務可從各種來源 (例如醫師記錄、臨床試驗報告和患者健康記錄) 識別醫療資訊 (例如醫療狀況、藥物、劑量、藥效和頻率)。Amazon Comprehend Medical 也會識別所擷取的藥物、檢測、療法與療程資訊之間的關係，以便分析。例如，服務會從非結構化的臨床報告中，識別與特定藥物相關的指定劑量、藥效和頻率。
Amazon Comprehend 是全受管服務，因此無需佈建伺服器，也無需建立、訓練或部署機器學習模型。您只需按實際用量付費；既沒有最低費用，也沒有前期承諾。
優勢
從文字中取得更好的答案
依主題組織文件
使用您的資料訓練模型
支援一般和產業特定文字
Amazon Comprehend 能從客戶支援事件、產品評論、社交媒體饋送、新聞文章、文件及其他來源的文字中探索意義和關係。例如，您可以在客戶對產品滿意或不滿意時，識別客戶最常提及的功能。
Amazon Comprehend 可分析文件和其他文字檔 (例如社交媒體文章) 集合，並按相關的條件或主題自動加以組織。接著您可以使用主題向客戶提供個人化內容，或是提供更豐富的搜尋和導覽體驗。例如，如果您有廣泛的新聞文章集合，可以按主旨自動組織這些文章，讓您的網站可以根據訪客之前閱讀的內容建議新的文章。
您可以輕鬆擴展 Amazon Comprehend 以識別特定字詞，例如政策號碼或組件編號。您也可以擴展 Comprehend 以使用適合您業務的方式來分類文件和訊息，例如，依請求分類客戶支援查詢或依產品分類社群媒體貼文。無需機器學習專業知識即可新增此自訂。您只需提供標籤並針對每個標籤提供一小組範例，Comprehend 會自動執行後續步驟。
Amazon Comprehend 採用最先進的機器學習模型技術，可從非結構化文字 (例如社群媒體貼文、電子郵件和網頁) 中得出深入分析。Amazon Comprehend Medical 也可識別醫療資訊 (例如藥物和醫療狀況)，並判斷其彼此間的關係 (例如藥物劑量和藥效)。舉例來說，Amazon Comprehend Medical 擷取「耐甲氧西林金黃色葡萄球菌」(通常輸入為「MRSA」)，並提供背景資訊 (例如患者是否檢測出陽性或陰性)，使擷取的字詞具有意義。
運作方式
使用案例
客戶語音分析
您可以使用 Amazon Comprehend 分析各種形式的客戶互動，包括支援電子郵件、社交媒體文章、線上評論、電話錄音等等，並從中找出產生最正面和最負面體驗的各項因素。接著您可以使用這些洞見改善自己的產品和服務。
範例：客服中心分析
更準確的搜尋
您可以使用 Amazon Comprehend 讓您的搜尋引擎編製關鍵片語、實體和情感的索引，藉此提供更佳的搜尋體驗。這麼做可讓您將搜尋的重點擺在意圖和文章內容上，而不是基本關鍵字。
範例：索引和搜尋產品評論
知識管理和探索
您可以使用 Amazon Comprehend 按主題組織及分類文件以利探索，並且向讀者建議相同主題的其他相關文章以提供個人化的內容建議。
範例：個人化網站上的內容
分類支援票證以更有效解決問題
使用自訂分類，依照內容自動針對傳入的客戶支援文件進行分類，例如線上意見反映表單、支援票證、論壇貼文和產品評論。例如，帳戶取消請求、帳單問題、變更地址等。然後，使用自訂實體自動擷取相關資訊 (例如組件編號、忠誠度層級和產品名稱)，以快速安排最適合團隊的文件，從而解決客戶問題並提高整體客戶滿意度。
範例：客戶支援票證處理
執行醫療同類群組分析
腫瘤學中，快速找到正確的篩選條件，以招募臨床實驗的患者，可謂至關重要。Amazon Comprehend Medical 能理解並識別非結構文字中找到的複雜醫療資訊，協助簡化索引和搜尋。您可以使用這些洞見識別新招募的患者，將其分配至適當的臨床試驗，只需部分手動挑選的時間和成本，即可完成工作。
範例：臨床試驗招募
客戶成功案例
LexisNexis Legal & Professional 是一間為法律和企業專業人士提供內容及科技解決方案的全球供應商，服務的客戶遍及超過 175 個國家/地區，並提供超過 20 億個可搜尋存檔。
「我們為法律專業人士提供富有洞見的研究和分析，協助其做出明智的決策。因此，我們不斷尋找從法律文件中更有效地汲取洞見的方式。多虧 Amazon Comprehend 提供的自動化機器學習 (ML) 功能，我們現在不必應付與 ML 相關的複雜問題，就能建立精準的自訂實體辨識模型。該功能可以從超過 2 億份文件中迅速找到我們最重視的實體 (例如法官和律師)，且準確度超過 92%。」
LexisNexis 資料長 Rick McFarland
Vibes 行動參與平台可讓行銷人員大規模地與當今的超連接行動消費者建立業務關係。
「行動傳訊以直接、個人和真實的方式連接品牌和消費者。在 Vibes，我們每月處理十億則行動訊息，在我們處理的大量訊息中蘊藏著深入的洞見。Amazon Comprehend 可讓我們快取從非結構化訊息內容中擷取關鍵片語、偵測情感以及模型主題，從而讓行銷人員深入理解其表現和可行性洞見，以提供獲獎的客戶體驗。」
Vibes 首席技術官 Brian Garofola
非營利組織 FINRA 的主要業務是保護投資者和維持市場誠信，負責監管與美國大眾有生意往來的眾多經紀公司，這是證券市場上很重要的任務之一。
「FINRA 會收到上百萬份文件和未結構化資料，據以支援調查、稽核和法規遵詢作業。過去，我們的調查和稽核人員必須親自檢閱這些文件的每一頁，或是執行聚焦式搜尋，才能找到所需資料。有了 Amazon Comprehend，我們可以快速擷取個人和組織資料，將已擷取實體和 FINRA 記錄加以比對，標記出利害關係人，並找出與其他文件的相似之處。」
FINRA 資深技術總監 Dmytro Dolgopolov
技術平台 VidMob 可將行銷人員與全球的專業編輯、動畫師和動態圖像設計師串連起來。
「Amazon Comprehend 和 Amazon Transcribe 服務允許 VidMob 在我們的 Agile Creative Suite 中建立高品質機器學習文字分析，使我們得以前所未有的方式幫助品牌客戶了解內容效能。我們能夠從影片內容中轉錄文字，並使用 Comprehend 快速分析文字，讓我們能夠向創作者社群和客戶展示實際可行的洞見，從而為他們帶來市場策略優勢。」
VidMob 創辦人兼執行長 Alex Collmer
進一步了解 Amazon Comprehend
