概觀
使用機器學習探索熱門主題解決方案可識別與您產品、政策、事件和品牌相關聯的最主要主題。這可協助您快速應對新的成長機會、處理負面的品牌聯想，並提高客戶對您的企業的滿意度。除了協助您了解客戶對您品牌的評價之外，該解決方案還可讓您深入了解與您的企業相關的主題。
此解決方案部署一個 AWS CloudFormation 範本，來自動從這些來源中擷取資料：
- RSS 新聞摘要
- 與影片相關的 YouTube 評論
- Reddit (來自相關子版塊的評論)
- JSON 或 XLSX 格式的自訂資料
優勢
使用以 AWS Well-Architected 架構法開發的 AWS CloudFormation 範本，提供安全的一鍵式部署。
擷取內含文字和影像的串流資料，然後近乎即時分析。執行主題建模來偵測主要主題，並識別客戶意見回饋中共同構成主題的詞彙。
使用 Amazon Translate 可以擷取多語言資料。識別客戶表達內容中的情緒，並使用內容語意搜尋來了解線上討論的性質。
啟動預先建立的 Amazon QuickSight 儀表板，將解決方案的大規模客戶分析視覺化。以近乎即時的速度識別洞見，更透徹地了解內容、威脅和機會。
技術詳細資訊
您可以使用實作指南和隨附的 AWS CloudFormation 範本自動部署此架構。
這些元件使用 AWS Well-Architected Framework 和 AWS Well-Architected Pillars (卓越營運、安全性、可靠性、效能達成效率和成本最佳化) 建立，可確保基礎設施的安全、高效能、彈性和效率。
步驟 1 – 內嵌
AWS Lambda 函數、Amazon DynamoDB 和 Amazon EventBridge 提供社交媒體和 RSS 摘要內嵌和管理。如需有關使用 Amazon Simple Storage Service (Amazon S3) 儲存貯體的 YouTube 評論、RSS 新聞摘要，以及自訂攝取的詳細參考架構圖，請參閱實作指南。
步驟 2 – 資料串流
資料透過 Amazon Kinesis Data Streams 緩衝，以提供彈性並調節傳入請求。Kinesis Data Streams 有已設定的 DLQ 以在處理摘要中捕捉任何錯誤。
步驟 3 – 工作流程
Kinesis Data Streams 的取用者 (Lambda 函數) 會啟用 AWS Step Functions 工作流程，以協調 Amazon Machine Learning 功能，包括：Amazon Translate、Amazon Comprehend 和 Amazon Rekognition。
步驟 4 – 整合
推論資料使用 EventBridge 透過事件驅動型架構與儲存元件整合。EventBridge 允許進一步自訂，以透過設定規則新增其他目標。
步驟 5 – 儲存和視覺化
Amazon Kinesis Data Firehose, S3 儲存貯體、AWS Glue 資料表、Amazon Athena 和 Amazon QuickSight 的組合提供儲存和視覺化功能。
步驟 1 – 內嵌
AWS Lambda 函數、Amazon DynamoDB 和 Amazon EventBridge 提供社交媒體和 RSS 摘要內嵌和管理。如需有關使用 Amazon Simple Storage Service (Amazon S3) 儲存貯體的 YouTube 評論、RSS 新聞摘要，以及自訂攝取的詳細參考架構圖，請參閱實作指南。
步驟 2 – 資料串流
資料透過 Amazon Kinesis Data Streams 緩衝，以提供彈性並調節傳入請求。Kinesis Data Streams 有已設定的 DLQ 以在處理摘要中捕捉任何錯誤。
步驟 3 – 工作流程
Kinesis Data Streams 的取用者 (Lambda 函數) 會啟用 AWS Step Functions 工作流程，以協調 Amazon Machine Learning 功能，包括：Amazon Translate、Amazon Comprehend 和 Amazon Rekognition。
步驟 4 – 整合
推論資料使用 EventBridge 透過事件驅動型架構與儲存元件整合。EventBridge 允許進一步自訂，以透過設定規則新增其他目標。
步驟 5 – 儲存和視覺化
Amazon Kinesis Data Firehose, S3 儲存貯體、AWS Glue 資料表、Amazon Athena 和 Amazon QuickSight 的組合提供儲存和視覺化功能。
