Megoldási ötletek
Ez a cikk egy megoldási ötlet. Ha azt szeretné, hogy további információkkal bővítsük a tartalmat, például a lehetséges használati eseteket, alternatív szolgáltatásokat, megvalósítási szempontokat vagy díjszabási útmutatást, a GitHub visszajelzésével tudassa velünk.
Ez a cikk azt ismerteti, hogyan használhat olyan tudásbányászati technológiákat, mint a kulcskifejezések kinyerése és az entitások felismerése a sűrű műszaki anyagok gyors áttekintéséhez.
Felépítés
A tudásbányászatnak három lépése van: a betöltés, a gazdagodás és a felfedezés.
Töltse le az architektúra Visio-fájlját.
Adatfolyam
Lenyelik
A betöltési lépés számos forrásból összesíti a tartalmat, beleértve a strukturált és strukturálatlan adatokat is. A tartalomkutatáshoz különböző típusú műszaki tartalmakat, például termék kézikönyveket, felhasználói útmutatókat, mérnöki szabványdokumentumokat, szabadalmi nyilvántartásokat, orvosi naplókat és gyógyszeres töltelékeket használhat.
Gazdagítani
A bővítési lépés AI-képességeket használ az információk kinyeréséhez, a minták kereséséhez és a megértés elmélyítéséhez. Gazdagíthatja a tartalmat optikai karakterfelismeréssel, kulcskifejezés-kinyeréssel, entitásfelismeréssel és nyelvi fordítással. Egyéni modellek használatával kinyerheti az iparágspecifikus kifejezéseket, például a termékneveket vagy a mérnöki szabványokat, megjelölheti a lehetséges kockázatokat vagy egyéb alapvető információkat, illetve a HIPAA-megfelelőséget.
Fedezze fel
A feltárási lépés az adatok keresése kereséssel, robotokkal, alkalmazásokkal és adatvizualizációkkal. Integrálhatja például az Azure Cognitive Search keresési indexet egy kereshető címtárba vagy egy meglévő üzleti alkalmazásba.
Összetevők
A technikai tartalom felülvizsgálatára és kutatására szolgáló eszközök implementálásához a következő kulcsfontosságú technológiákat használják:
- Az Azure Cognitive Search egy felhőalapú keresési szolgáltatás, amely infrastruktúrát, API-kat és keresési eszközöket biztosít. Az Azure Cognitive Search használatával privát, heterogén tartalmakon keresztül hozhat létre keresési szolgáltatásokat webes, mobil- és nagyvállalati alkalmazásokban.
- A webes API egyéni képességi felületével egyéni képességek integrálhatók egy Azure Cognitive Search-bővítési folyamatba.
- Az Azure Cognitive Service for Language az Azure Cognitive Services része, amely számos természetes nyelvi feldolgozási szolgáltatást kínál. Ezekkel a szolgáltatásokkal megértheti és elemezheti a szöveget.
- A szövegelemzés az Azure Cognitive Service for Language API-jainak és egyéb funkcióinak gyűjteménye, amelyekkel kinyerheti, osztályozhatja és megértheti a dokumentumokban lévő szövegeket.
- Az Azure Cognitive Services Translator a REST API-k Cognitive Services-családjának része. A Translator használatával valós idejű dokumentum- és szövegfordítást végezhet.
- Az Azure Form Recognizer a Azure-alkalmazás lied AI-szolgáltatások része. A Form Recognizer gépi tanulási modelleket használ kulcs-érték párok, szöveg és táblázatok kinyerésére olyan dokumentumokból, mint a számlák, nyugták, azonosítókártyák és névjegykártyák.
Forgatókönyv részletei
Ez az architektúra bemutatja, hogyan használhatja a tudásbányászatot a tartalomkutatáshoz.
Lehetséges használati esetek
Amikor a szervezetek a műszaki adatok áttekintésére és kutatására irányítja az alkalmazottakat, nehéz lehet a sűrű szöveg lapja után olvasni az oldalt. A tudásbányászat segíti az alkalmazottakat a bonyolult anyagok gyors áttekintésében. Azokban az iparágakban, ahol a licitverseny kiélezett, vagy ha egy probléma diagnosztizálásának gyorsnak vagy közel valós idejűnek kell lennie, a vállalatok tudásbányászattal elkerülhetik a költséges hibákat, és gyorsabban betekintést nyerhetnek a tartalomkutatás során.
A tudásbányászatra támaszkodó iparágak a következők:
- Végzettség
- Marketing
- Banki (pénzügyi)
- Szolgáltatók
- Retail
- Hírek és média
További lépések
Ismerkedjen meg a tudásbányászat képzési tervével az Azure Cognitive Search használatával.
A megoldás összetevőiről az alábbi forrásokból tudhat meg többet:
Kapcsolódó erőforrások
Tudásbányászat az ügyfélszolgálat és a visszajelzések elemzéséhez