┼Ťroda 18 lipiec 2018 | Robert Kami┼äski

Sztuczna inteligencja czyta ze zrozumieniem

Mimo rosn─ůcej popularno┼Ťci tre┼Ťci wideo oraz fotograficznych portali spo┼éeczno┼Ťciowych, takich jak Instagram, dane tekstowe wci─ů┼╝ maj─ů du┼╝e znaczenie w procesie komunikacji.

Rozwój technologii spowodowa┼é rewolucj─Ö zarówno w ┼éatwo┼Ťci dost─Öpu do informacji, jak i mo┼╝liwo┼Ťci tworzenia i publikowania nowych tre┼Ťci, w tym wpisów na blogach czy komentarzy. Co wi─Öcej, nieco zapomniane SMS-y nadal s─ů popularn─ů form─ů porozumiewania si─Ö. Potwierdzaj─ů to dane z raportu „Komunikacja SMS w Polsce”, z których wynika, ┼╝e ponad 96% Polaków korzysta z tego sposobu kontaktu. W procesie analizy i automatycznego przetwarzania danych tekstowych pomocne s─ů narz─Ödzia do text miningu.

(12 lipca 2018 r.) – Rozwi─ůzania z zakresu text mining, wykorzystuj─ůce sztuczn─ů inteligencj─Ö, pozwalaj─ů z obszernych zbiorów tre┼Ťci uzyska─ç dok┼éadny obraz wizerunku firmy, produktu, zachowa┼ä i potrzeb. Przyk┼éadem takiego narz─Ödzia jest SAS® Visual Text Analytics. System wykorzystuje inteligentne algorytmy oraz techniki przetwarzania j─Özyka naturalnego (NLP) w celu automatycznego wyodr─Öbnienia relacji i wzorów w┼Ťród danych niestrukturalnych, eliminuj─ůc w ten sposób potrzeb─Ö ich manualnego przegl─ůdania.

Analiza tekstu w trzech krokach

Proces analizy danych tekstowych sk┼éada si─Ö z trzech g┼éównych faz:

Faza 1 – Identyfikacja ┼║róde┼é danych oraz uzyskanie dost─Öpu do nich. Potencjalne ┼║ród┼éa to: zasoby serwerów pocztowych, przebiegi rozmów na chacie, notatki i transkrypcje rozmów Call Center, media spo┼éeczno┼Ťciowe, wewn─ůtrzfirmowe repozytoria np. umów, ofert czy dokumentacji.  

Faza 2 – W┼éa┼Ťciwy proces przetwarzania i analizowania danych tekstowych. W celu podniesienia jako┼Ťci dzia┼éania algorytmów celowe jest wykonanie automatycznej korekty pisowni.

Faza 3 – Konsumpcja wyników z u┼╝yciem wizualizacji lub wykorzystanie wyników jako danych wej┼Ťciowych w modelowaniu wraz z danymi ilo┼Ťciowymi np. przy wykrywaniu nadu┼╝y─ç.

Przyk┼éadem wykorzystania narz─Ödzi text mining jest zwalczanie procederu prania brudnych pieni─Ödzy. System dokonuje analizy, skanuj─ůc dokumenty handlowe pod k─ůtem nielegalnej dzia┼éalno┼Ťci. Dzi─Öki temu specjali┼Ťci ds. przest─Öpstw finansowych mog─ů nadawa─ç odpowiednie priorytety poszczególnym sprawom. Ekstrakcja umo┼╝liwia wydobywanie z dokumentów tekstowych interesuj─ůcych fragmentów, takich jak imiona i nazwiska, adresy czy okre┼Ťlenia czasu. Inny przyk┼éad to analiza sentymentu, która pomaga monitorowa─ç postrzeganie marki, produktu czy reklamy, co jest niezwykle przydatne w planowaniu dzia┼éa┼ä marketingowych.

Forrester wskazuje liderów text mining

W raporcie Forrester Wave™: AI-based Text Analytics Platform, Q2 2018 firma SAS zaj─Ö┼éa pozycj─Ö lidera. Oferowane przez ni─ů rozwi─ůzania daj─ů organizacjom mo┼╝liwo┼Ť─ç przetwarzania j─Özyka naturalnego, uczenia maszynowego oraz regu┼é lingwistycznych przy pomocy wizualnego pulpitu nawigacyjnego. W raporcie zwrócono uwag─Ö na kompleksowy wizualny interfejs u┼╝ytkownika, ┼éatwo┼Ť─ç obs┼éugi, a tak┼╝e wykorzystanie potencja┼éu machine learning.