Интеллектуальный анализ знаний для исследования содержимого

Поиск по искусственному интеллекту Azure
Аналитика документов ВИ Azure
Язык искусственного интеллекта Azure
Переводчик Azure

Идеи решения

Эта статья является идеей решения. Если вы хотите расширить содержимое с дополнительными сведениями, такими как потенциальные варианты использования, альтернативные службы, рекомендации по реализации или рекомендации по ценам, сообщите нам, предоставив отзыв GitHub.

В этой статье описывается использование технологий интеллектуального анализа знаний, таких как извлечение ключевых фраз и распознавание сущностей для быстрого просмотра плотного технического материала.

Архитектура

Существует три шага в интеллектуальном анализе знаний: прием, обогащение и изучение.

Architecture diagram: knowledge mining in content research, with three steps: ingest, enrich, and explore.

Скачайте файл Visio для этой архитектуры.

Поток данных

  • Глотать

    Шаг приема объединяет содержимое из диапазона источников, включая структурированные и неструктурированные данные. Для исследования содержимого можно использовать различные типы технического содержимого, такие как руководства по продуктам, руководства по проектированию, стандартные документы, патенты, медицинские журналы и фармацевтические заполнения.

  • Обогатить

    Шаг обогащения использует возможности ИИ для извлечения информации, поиска шаблонов и углубления понимания. Обогатите содержимое с помощью оптического распознавания символов, извлечения ключевых фраз, распознавания сущностей и перевода языка. Используйте пользовательские модели для извлечения определенных в отрасли терминов, таких как названия продуктов или инженерные стандарты, для обозначения потенциальных рисков или других важных сведений или соответствия HIPAA.

  • Исследование

    В этом шаге рассматривается изучение данных с помощью поиска, ботов, приложений и визуализаций данных. Например, можно интегрировать индекс поиска Когнитивный поиск Azure в доступный для поиска каталог или существующее бизнес-приложение.

Компоненты

Следующие ключевые технологии используются для реализации средств для проверки и исследования технического содержимого:

  • Когнитивный поиск Azure — это облачная служба поиска, которая предоставляет инфраструктуру, API и средства поиска. Вы можете использовать Когнитивный поиск Azure для создания интерфейса поиска через частное, разнородное содержимое в веб-, мобильных и корпоративных приложениях.
  • Пользовательский интерфейс навыков веб-API используется для интеграции пользовательского навыка в конвейер обогащения Когнитивный поиск Azure.
  • Azure Cognitive Service для языка является частью Azure Cognitive Services , которая предлагает множество служб обработки естественного языка. Эти службы можно использовать для понимания и анализа текста.
  • Анализ текста — это коллекция API и других функций из Azure Cognitive Service для языка, которые можно использовать для извлечения, классификации и понимания текста в документах.
  • Переводчик Azure Cognitive Services является частью семейства REST API Cognitive Services. Вы можете использовать Переводчик для перевода документов и текста в режиме реального времени.
  • Azure Распознаватель документов входит в состав приложение Azure лиированных служб ИИ. Распознаватель документов использует модели машинного обучения для извлечения пар "ключ-значение", текста и таблиц из документов, таких как счета, квитанции, идентификаторы карта и бизнес-карта.

Подробности сценария

В этой архитектуре показано, как использовать интеллектуальный анализ знаний для исследования содержимого.

Потенциальные варианты использования

Когда сотрудники организации задачи просматривать и исследовать технические данные, это может быть емким для чтения страницы после страницы плотного текста. Интеллектуальный анализ данных помогает сотрудникам быстро проверять такие объемные материалы. В отраслях, где конкуренция торгов ожесточенная, или когда диагностика проблемы должна быть быстрой или почти в режиме реального времени, компании могут использовать интеллектуальный анализ знаний, чтобы избежать дорогостоящих ошибок и получить более быструю информацию во время исследования контента.

К отраслям, которые зависят от интеллектуального анализа знаний, относятся:

  • Образование
  • Marketing
  • Банковские (финансы)
  • Поставщики услуг
  • Retail
  • Новости и средства массовой информации

Следующие шаги

Интеллектуальный анализ знаний для поддержки клиентов и анализа отзывов