知识挖掘

已完成

什么是知识挖掘?

现实世界的数据十分混乱。 它通常跨越媒体类型,例如文本文档、PDF 文件、图像和数据库。 它不断变化、不断增长,并以并非随时可用的方式承载有价值的知识。 知识挖掘是指在大量数据中检索信息和提取见解的能力。 Azure 搜索通过使用内置的 AI 功能实现知识挖掘,从而发现来自所有内容(文档、图像和媒体)的潜在见解。 Azure 搜索是唯一具有内置 AI 功能的云搜索服务,它让你能够发现内容中的模式和关系、理解情绪、提取关键短语等。 例如,客户支持组织经常使用知识挖掘从案例文档中提取数据和情报。 他们可以分析客户情绪,从而提高代理生产力及改善客户体验。

Icon indicating play video

观看此视频,了解知识挖掘如何帮助解锁所有内容中隐藏的有价值信息。


你已经了解有关如何使用知识挖掘来解释数据的详细信息,现在让我们探讨知识挖掘的工作原理。

知识挖掘的工作原理及生成方式如何?

Icon indicating play video

现在,让我们来看看知识挖掘是如何工作的,以及合同管理公司 iCertis 如何应用它来从大量非结构化数据中获取有价值的见解。


正如视频中所见,Azure 认知搜索以 PDF 格式将数据引入 Azure Blob 存储中。 然后,借助关键短语提取和命名实体识别、语言检测以及自动翻译,认知服务丰富了数据并创建了自定义一般数据保护条例 (GDPR) 风险模型。 连接到 Azure Web 应用时,可以进行搜索,让 200 万用户能够管理超过 500 万份合同。

以下是一张知识挖掘流程图,此流程与 iCertis 使用的知识挖掘流程类似。 此图说明了如何对内容进行引入、破解、丰富和索引编制,从而通过各种应用程序(例如网站和聊天机器人)进行数据挖掘和搜索。

Azure Search and Cognitive Services

你已经看到知识挖掘如何工作的示例,以下是一些其他行业示例,其中应用知识挖掘来解决业务问题。

医疗保健组织面临临床数据过多的挑战。 大量数据可能包含患者姓名、人口统计数据、多年病历和健康史、诊断和实验室结果。 借助知识挖掘,医疗保健提供者可以筛选大量数据来更快地识别感染、预测可能存在特定问题的患者,医生也能更好地为患者服务。

金融服务业中,企业需要解决理解大量文档、表单、合同等的挑战。 自然语言处理技术与专业内容理解模型相结合,使金融服务组织能够以个性化的方式更好地理解和服务客户​​。

石油和天然气公司拥有由地质学家和需要了解地震及地质数据的其他专家组成的团队。 他们手头的文件通常拥有数十年历史并包含图像和手写野外记录。 他们需要连接各个地点、领域专家和事件,并综合这些信息以做出明智的决策。

我们已经看到 Azure AI 知识挖掘功能的强大之处,现在将深入研究与机器学习相关的 AI 功能。