解决方案构想
本文是一种解决方案构想。 如果你希望我们在内容中扩充更多信息，例如潜在用例、备用服务、实现注意事项或定价指南，请通过提供 GitHub 反馈来告知我们。
此体系结构演示知识挖掘如何帮助客户支持团队快速找到客户问题的答案或大规模评估客户情绪。
体系结构
知识挖掘有三个步骤：引入、扩充和探索。
下载此体系结构的 Visio 文件。
数据流
- 引入
引入步骤聚合来自一系列源的内容，包括结构化和非结构化数据。 对于客户支持和反馈分析，可以引入不同类型的内容。 此内容包括客户支持票证、聊天日志、通话听录、客户电子邮件、客户付款历史记录、产品评审、社交媒体源、在线评论、反馈表单和调查。
- 扩充
扩充步骤使用 AI 功能提取信息、查找模式并加深理解。 可以通过使用关键短语提取、情绪分析、语言翻译、机器人服务、自定义模型来扩充内容，以专注于特定产品或公司政策。
- 探索
探索步骤通过搜索、现有业务应用程序或分析解决方案来探索数据。 例如，可以在知识存储中编译扩充的文档，并将其投影到表格或对象存储中。 存储可用于在分析仪表板中显示趋势，识别常见问题或热门产品。 或者，可以将搜索索引集成到客户服务支持应用程序中。
组件
以下关键技术用于实现技术内容评审和研究工具：
- Azure 认知搜索是一项云搜索服务，提供基础结构、API 和搜索工具。 可以使用 Azure 认知搜索通过 Web、移动和企业应用程序中的专用异类内容生成搜索体验。
- Web API 自定义技能接口用于将自定义技能集成到 Azure 认知搜索扩充管道中。
- 适用于语言的 Azure 认知服务是 Azure 认知服务的一部分，可提供许多自然语言处理服务。 可以使用这些服务来理解和分析文本。
- 文本分析是适用于语言的 Azure 认知服务中的 API 和其他功能的集合，可用于提取、分类和理解文档中的文本。
- 认知服务翻译器是 REST API 认知服务系列的一部分。 可以使用翻译器进行实时文档和文本翻译。
方案详细信息
对于许多公司来说，客户支持成本高昂，而且并非总是高效运营。 知识挖掘可以帮助客户支持团队快速找到客户问题的最佳答案或大规模评估客户情绪。
可能的用例
此解决方案针对零售行业进行了优化。
Azure 认知搜索是知识挖掘解决方案的关键部分。 Azure 认知搜索基于聚合和分析的内容创建搜索索引。
借助使用搜索索引的查询，公司可以发现有关客户言论的趋势，并使用这些信息来改进产品和服务。
后续步骤
生成 Azure 认知搜索自定义技能。
若要详细了解此解决方案中的组件，请参阅以下资源：