Data kini merupakan salah satu komoditi perniagaan yang paling bernilai. Menurut laporan "State of the CIO 2022" CIO.com, 35% daripada pemimpin IT mengatakan bahawa data dan analitik perniagaan akan menyumbang bahagian terbesar pelaburan IT organisasi mereka tahun ini, dan 58% daripada responden mengatakan bahawa pada tahun hadapan Mereka akan meningkatkan pelaburan mereka dalam analisis data.
Walaupun data datang dalam pelbagai bentuk, mungkin kumpulan data terbesar yang belum diterokai ialah teks, sama ada paten, spesifikasi produk, penerbitan akademik, penyelidikan pasaran, berita atau suapan berasaskan teks dan bilangan teks sentiasa berkembang. Menurut Kajian Data dan Analitis Foundry 2022, 36% daripada pemimpin IT percaya bahawa mengurus data tidak berstruktur ini merupakan salah satu cabaran terbesar yang mereka hadapi. Itulah sebabnya firma penyelidikan Lux Research menegaskan bahawa teknologi pemprosesan bahasa semula jadi (NLP)—terutamanya pemodelan topik—menjadi alat utama untuk membuka kunci nilai data.
Pemprosesan bahasa semula jadi ialah satu cabang kecerdasan buatan (AI) yang digunakan untuk melatih komputer memahami, memproses dan menjana bahasa. Enjin carian, perkhidmatan terjemahan mesin dan pembantu suara semuanya dikuasakan oleh pemprosesan bahasa semula jadi. Pemodelan topik ialah teknik pemprosesan bahasa semula jadi yang memecahkan idea kepada subkategori konsep biasa yang ditakrifkan oleh frasa. Menurut Lux Research, pemodelan topik membolehkan organisasi mengaitkan dokumen dengan topik tertentu dan kemudian mengekstrak data, seperti trend pertumbuhan dalam topik dari semasa ke semasa. Pemodelan topik juga boleh digunakan untuk mewujudkan "cap jari" untuk dokumen tertentu dan kemudian menemui dokumen lain dengan cap jari yang serupa.
Apabila perusahaan semakin berminat dengan AI, mereka beralih kepada pemprosesan bahasa semula jadi untuk membuka kunci nilai yang terkandung dalam data tidak berstruktur dalam dokumen teks. Firma penyelidikan MarketsandMarkets meramalkan bahawa pasaran pemprosesan bahasa semula jadi akan berkembang daripada AS$15.7 bilion pada 2022 kepada AS$49.4 bilion pada 2027, dengan kadar pertumbuhan tahunan kompaun (CAGR) sebanyak 25.7% dalam tempoh ini.
Mari kita lihat lima contoh cara organisasi menggunakan pemprosesan bahasa semula jadi untuk mencipta hasil perniagaan.
Syarikat farmaseutikal multinasional Eli Lilly menggunakan pemprosesan bahasa semula jadi untuk membantu lebih 30,000 pekerja di seluruh dunia menjalankan perniagaan dalam syarikat dan Berkongsi tepat, maklumat yang tepat pada masanya secara luaran. Lilly telah membangunkan penyelesaian IT tempatan yang dipanggil Lilly Translate yang menggunakan pemprosesan bahasa semula jadi dan pembelajaran mendalam untuk menjana terjemahan kandungan melalui lapisan API yang terbukti.
Selama bertahun-tahun, Eli Lilly bergantung pada vendor terjemahan manusia pihak ketiga untuk menterjemah pelbagai kandungan, daripada bahan latihan dalaman kepada pertukaran teknikal rasmi dengan agensi kawal selia. Kini, perkhidmatan Lilly Translate menyediakan pengguna dan sistem dengan terjemahan masa nyata Word, Excel, PowerPoint dan teks, sambil mengekalkan format dokumen tidak berubah. Eli Lilly menggunakan model bahasa pembelajaran mendalam yang dilatih tentang sains hayat dan kandungan Lilly untuk membantu meningkatkan ketepatan terjemahan, mencipta model bahasa yang diperhalusi yang mengiktiraf istilah khusus Lilly dan bahasa teknikal khusus industri sambil mengekalkan format dokumen terkawal.
“Lilly Translate menyentuh setiap bidang syarikat, daripada sumber manusia kepada perkhidmatan audit korporat kepada talian etika dan pematuhan, Ini menjimatkan masa yang ketara dalam kewangan, jualan dan pemasaran, hal ehwal kawal selia, dan banyak lagi bidang lain. , kerana terjemahan kini mengambil masa beberapa saat dan bukannya berminggu-minggu, membebaskan sumber kritikal untuk menumpukan pada tugas penting yang lain ”
Nasihat Coleman: Menyokong projek yang didorong oleh semangat. Terjemahan Lilly bermula sebagai projek keghairahan oleh jurutera perisian yang ingin tahu yang ideanya adalah untuk menyelesaikan masalah dalam portfolio sistem Hal Ehwal Kawal Selia Lilly: rakan kongsi perniagaan sentiasa mengalami kelewatan dan pergeseran dalam perkhidmatan terjemahan mereka. Coleman berkongsi idea dan visi teknikal dengan eksekutif dan pengurus lain dan segera mendapat sokongan projek daripada kepimpinan antarabangsa hal ehwal pengawalseliaan global Eli Lilly, yang menyokong pelaburan dalam alat tersebut.
“[Idea] adalah gabungan hebat peluang untuk meneroka dan mempelajari tentang teknologi baru muncul, yang bermula sebagai peluang pembelajaran yang hebat kini telah bertukar menjadi peluang yang diraih dan dijalankan oleh jurutera perisian Lilly dengan peluang projek yang hebat . ”
Accenture menggunakan pemprosesan bahasa semula jadi untuk analisis undang-undang. Projek Legal Intelligent Contract Exploration (ALICE) Accenture membantu syarikat perkhidmatan global ini dengan 2,800 profesional menjalankan carian teks dalam berjuta-juta kontraknya, termasuk mencari syarat kontrak.
ALICE menggunakan "pembenaman perkataan", kaedah pemprosesan bahasa semula jadi, yang boleh membantu perbandingan antara perkataan berdasarkan persamaan semantik. Model ini meneliti dokumen kontrak perenggan demi perenggan, mencari kata kunci untuk menentukan sama ada perenggan itu berkaitan dengan jenis klausa kontrak tertentu. Contohnya, perkataan seperti "banjir," "gempa bumi" atau "bencana" sering muncul dengan klausa "force majeure".
Mike Maresca, pengarah urusan global transformasi perniagaan digital, operasi dan analitik perusahaan di Accenture, berkata: “Ketika kami terus memanfaatkan keupayaan ini dan terus meningkatkannya, penggunaannya terus berkembang dan kami melihat nilai tambahan . peluang, dan kami sedang mencari cara baharu untuk mendapatkan nilai daripada data sedia ada.”
Accenture berkata projek itu mengurangkan masa peguam secara manual membaca dokumen untuk mendapatkan maklumat khusus.
Nasihat daripada Maresca: Jangan takut untuk meneroka pemprosesan bahasa semula jadi secara mendalam. "Jika inovasi adalah sebahagian daripada budaya, anda tidak boleh takut akan kegagalan, mari lepaskan dan bereksperimen dan ulangi." Jabatan jaminan Perkhidmatan perniagaan Verizon menggunakan pemprosesan bahasa semula jadi dan pembelajaran mendalam untuk memproses ulasan permintaan pelanggan secara automatik. Jabatan ini menerima lebih daripada 100,000 permintaan masuk setiap bulan, dan sebelum ini mereka perlu membaca dan mengambil tindakan sehingga cabang IT Verizon—Global Technology Solutions (GTS)—membina Pekerja Digital Didayakan AI untuk Jaminan Perkhidmatan.
"Dengan mengautomasikan respons kepada permintaan ini, kami boleh membalas dalam beberapa minit dan bukannya beberapa jam selepas e-mel dihantar," Stefan Toth, Pengarah Eksekutif, Kejuruteraan Sistem, Penyelesaian Teknologi Global (GTS), Verizon Business Group menerangkan.
Pada Februari 2020, Verizon menyatakan bahawa Pekerja Digital telah menjimatkan hampir 10,000 jam kerja setiap bulan sejak suku kedua tahun lalu.
Nasihat Toth: cari sumber terbuka. "Lihat sekeliling, rangkaian dengan rakan kongsi perniagaan anda, dan saya pasti anda akan mendapat peluang. Fikirkan tentang sumber terbuka dan percubaan sebelum membuat komitmen kewangan yang besar. Kami mendapati terdapat banyak perisian sumber terbuka yang tersedia sekarang. "
Great Wolf Lodge: Menggunakan AI yang dipacu pemprosesan bahasa semula jadi untuk menjejaki sentimen tetamu
Artificial Intelligence Lexicographer (GAIL) yang dibangunkan oleh hospital dan rangkaian hiburan Great Wolf Lodge akan menapis ulasan dalam tinjauan bulanan untuk tentukan Sama ada pengarangnya mungkin seorang troll, pengkritik atau parti neutral.
"Kami mahu dapat berinteraksi dengan tetamu kami dengan lebih baik dalam setiap aspek," kata Ketua Pegawai Maklumat Great Wolf Lodge Edward Malinowski
Pasukan operasi perniagaan Great Wolf Lodge menggunakan Insights yang dihasilkan oleh GAIL. untuk melaraskan perkhidmatan mereka, syarikat sedang membangunkan chatbot untuk menjawab soalan lazim tetamu tentang perkhidmatan Great Wolf Lodge.
Nasihat Malinowski: elakkan teknologi demi teknologi. Pilih alat yang memberikan keseimbangan yang tepat antara teknologi dan kepraktisan serta sejajar dengan matlamat perniagaan. "Anda perlu berhati-hati tentang apa itu gimik dan apakah penyelesaian sebenar untuk masalah." Apl Kontrak Penyedia Kompleks yang secara automatik membaca nota pada setiap kontrak berkenaan pembayaran, deduktibel dan arahan perbelanjaan yang tidak berkaitan, kemudian mengira harga dan mengemas kini tuntutan.
Aplikasi ini menggabungkan pemprosesan bahasa semula jadi dan perisian pangkalan data khas untuk mengenal pasti atribut pembayaran, membina data tambahan yang boleh dibaca secara automatik oleh sistem. Akibatnya, banyak tuntutan diselesaikan semalaman.
Apl ini membolehkan lebih 50 adjudikator tuntutan Aetna menumpukan semula usaha mereka pada kontrak dan tuntutan yang memerlukan pemikiran peringkat lebih tinggi, serta penyelarasan antara syarikat insurans kesihatan yang berbeza.
Aetna menganggarkan bahawa setakat Julai 2019, apl itu telah membantu mereka menjimatkan $6 juta setiap tahun dalam kos pemprosesan dan kerja semula .
Nasihat daripada Jensen: Kecilkan tumpuan anda dan luangkan masa anda. Dalam dunia yang ideal, syarikat akan melaksanakan AI yang boleh menyelesaikan masalah yang sangat khusus. Jensen berkata penyelesaian berasaskan luas adalah samar-samar dan akhirnya gagal, dan jika Aetna menggunakan AI tujuan umum untuk perniagaan mereka, ia pastinya tidak akan berfungsi. Di samping itu, Aetna menghabiskan beberapa bulan menginstrumen proses, menulis peraturan, dan menguji aplikasi. Jensen berkata ramai orang tidak mempunyai kesabaran untuk melambatkan dan melakukan sesuatu dengan cara yang betul.
Atas ialah kandungan terperinci 5 kes yang berjaya meneroka nilai perniagaan pemprosesan bahasa semula jadi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Bagaimana untuk mengikat data dalam senarai lungsur
Bagaimana untuk menggunakan format dalam python
Kaedah pembaikan ralat Kernelutil.dll
Bolehkah fail program dipadamkan?
Perbezaan antara xls dan xlsx dalam excel
Bagaimana untuk berpakaian Douyin Xiaohuoren
Kaedah pembaikan kelemahan pangkalan data
Bagaimana untuk mencipta folder baharu dalam webstorm
![[Web front-end] Permulaan pantas Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
