Πώς η Searchmetrics χρησιμοποιεί το Amazon SageMaker για να βρίσκει αυτόματα σχετικές λέξεις-κλειδιά και να κάνει τους ανθρώπινους αναλυτές της κατά 20% πιο γρήγορους

Searchmetrics είναι ένας παγκόσμιος πάροχος δεδομένων αναζήτησης, λογισμικού και συμβουλευτικών λύσεων, που βοηθά τους πελάτες να μετατρέψουν τα δεδομένα αναζήτησης σε μοναδικές επιχειρηματικές πληροφορίες. Μέχρι σήμερα, η Searchmetrics έχει βοηθήσει περισσότερες από 1,000 εταιρείες όπως η McKinsey & Company, η Lowe's και η AXA να βρουν πλεονέκτημα στο υπερανταγωνιστικό τοπίο αναζήτησης.

Το 2021, η Searchmetrics στράφηκε στο AWS για να βοηθήσει στη χρήση της τεχνητής νοημοσύνης (AI) για να βελτιώσει περαιτέρω τις δυνατότητές της για πληροφορίες αναζήτησης.

Σε αυτήν την ανάρτηση, μοιραζόμαστε πώς η Searchmetrics δημιούργησε μια λύση τεχνητής νοημοσύνης που αύξησε την αποτελεσματικότητα του ανθρώπινου δυναμικού της κατά 20% βρίσκοντας αυτόματα σχετικές λέξεις-κλειδιά αναζήτησης για κάθε δεδομένο θέμα, χρησιμοποιώντας Amazon Sage Maker και την εγγενή του ενσωμάτωση με το Hugging Face.

Χρήση τεχνητής νοημοσύνης για τον προσδιορισμό της συνάφειας από μια λίστα λέξεων-κλειδιών

Ένα βασικό μέρος της προσφοράς πληροφοριών της Searchmetrics είναι η ικανότητά της να προσδιορίζει τις πιο σχετικές λέξεις-κλειδιά αναζήτησης για ένα δεδομένο θέμα ή πρόθεση αναζήτησης.

Για να γίνει αυτό, η Searchmetrics έχει μια ομάδα αναλυτών που αξιολογούν την πιθανή συνάφεια ορισμένων λέξεων-κλειδιών δεδομένης μιας συγκεκριμένης βασικής λέξης. Οι αναλυτές χρησιμοποιούν ένα εσωτερικό εργαλείο για να ελέγξουν μια λέξη-κλειδί σε ένα δεδομένο θέμα και μια λίστα που δημιουργείται με πιθανές σχετικές λέξεις-κλειδιά και στη συνέχεια πρέπει να επιλέξουν μία ή περισσότερες σχετικές λέξεις-κλειδιά που σχετίζονται με αυτό το θέμα.

Αυτή η διαδικασία μη αυτόματης φιλτραρίσματος και επιλογής ήταν χρονοβόρα και επιβράδυνε την ικανότητα της Searchmetrics να παρέχει πληροφορίες στους πελάτες της.

Για να βελτιώσει αυτή τη διαδικασία, η Searchmetrics προσπάθησε να δημιουργήσει μια λύση τεχνητής νοημοσύνης που θα μπορούσε να χρησιμοποιήσει την επεξεργασία φυσικής γλώσσας (NLP) για να κατανοήσει την πρόθεση ενός δεδομένου θέματος αναζήτησης και να ταξινομήσει αυτόματα μια λίστα πιθανών λέξεων-κλειδιών που δεν εμφανίζεται κατά συνάφεια.

Χρησιμοποιώντας το SageMaker και το Hugging Face για να δημιουργήσετε γρήγορα προηγμένες δυνατότητες NLP

Για να το λύσει αυτό, η ομάδα μηχανικών της Searchmetrics στράφηκε στο SageMaker, μια πλατφόρμα μηχανικής εκμάθησης από άκρο σε άκρο (ML) που βοηθά τους προγραμματιστές και τους επιστήμονες δεδομένων γρήγορα και εύκολα να δημιουργήσουν, να εκπαιδεύσουν και να αναπτύξουν μοντέλα ML.

Το SageMaker επιταχύνει την ανάπτυξη φόρτου εργασίας ML απλοποιώντας τη διαδικασία δημιουργίας ML. Παρέχει ένα ευρύ σύνολο δυνατοτήτων ML πάνω από μια πλήρως διαχειριζόμενη υποδομή. Αυτό αφαιρεί την αδιαφοροποίητη άρση βαρέων βαρών που πολύ συχνά εμποδίζει την ανάπτυξη ML.

Η Searchmetrics επέλεξε το SageMaker λόγω του πλήρους φάσματος δυνατοτήτων που παρείχε σε κάθε βήμα της διαδικασίας ανάπτυξης ML:

• SageMaker φορητούς υπολογιστές επέτρεψε στην ομάδα Searchmetrics να περιστρέφει γρήγορα πλήρως διαχειριζόμενα περιβάλλοντα ανάπτυξης ML, να εκτελεί προεπεξεργασία δεδομένων και να πειραματίζεται με διαφορετικές προσεγγίσεις
• Η μετασχηματισμός παρτίδας Οι δυνατότητες του SageMaker επέτρεψαν στο Searchmetrics να επεξεργάζεται αποτελεσματικά τα ωφέλιμα φορτία συμπερασμάτων του μαζικά, καθώς και να ενσωματώνεται εύκολα στην υπάρχουσα υπηρεσία ιστού στην παραγωγή

Η Searchmetrics ενδιαφέρθηκε επίσης ιδιαίτερα για την εγγενή ενσωμάτωση του SageMaker με Αγκαλιάζοντας το πρόσωπο, μια συναρπαστική startup NLP που παρέχει εύκολη πρόσβαση σε περισσότερα από 7,000 προεκπαιδευμένα μοντέλα γλώσσας μέσω της δημοφιλής βιβλιοθήκης Tranformers.

Το SageMaker παρέχει άμεση ενοποίηση με το Hugging Face μέσω ενός αποκλειστικού εκτιμητή Hugging Face στο SageMaker SDK. Αυτό διευκολύνει την εκτέλεση μοντέλων Hugging Face στην πλήρως διαχειριζόμενη υποδομή SageMaker.

Με αυτήν την ενοποίηση, η Searchmetrics μπόρεσε να δοκιμάσει και να πειραματιστεί με μια σειρά από διαφορετικά μοντέλα και προσεγγίσεις για να βρει την προσέγγιση με την καλύτερη απόδοση στην περίπτωση χρήσης τους.

Η τελική λύση χρησιμοποιεί έναν αγωγό ταξινόμησης μηδενικής βολής για να προσδιορίσει τις πιο σχετικές λέξεις-κλειδιά. Διαφορετικά προεκπαιδευμένα μοντέλα και στρατηγικές ερωτημάτων αξιολογήθηκαν, με facebook/bart-large-mnli παρέχοντας τα πιο ελπιδοφόρα αποτελέσματα.

Χρήση του AWS για τη βελτίωση της λειτουργικής αποτελεσματικότητας και την εύρεση νέων ευκαιριών καινοτομίας

Με το SageMaker και την εγγενή του ενσωμάτωση με το Hugging Face, η Searchmetrics μπόρεσε να δημιουργήσει, να εκπαιδεύσει και να αναπτύξει μια λύση NLP που θα μπορούσε να κατανοήσει ένα δεδομένο θέμα και να ταξινομήσει με ακρίβεια μια λίστα λέξεων-κλειδιών που δεν εμφανίστηκε με βάση τη συνάφειά τους. Το σύνολο εργαλείων που προσφέρει το SageMaker διευκόλυνε τον πειραματισμό και την ανάπτυξη.

Όταν ενσωματώθηκε με το υπάρχον εσωτερικό εργαλείο της Searchmetrics, αυτή η δυνατότητα τεχνητής νοημοσύνης παρείχε μέση μείωση 20% στον χρόνο που απαιτείται για τους ανθρώπινους αναλυτές για να ολοκληρώσουν την εργασία τους. Αυτό είχε ως αποτέλεσμα υψηλότερη απόδοση, βελτιωμένη εμπειρία χρήστη και ταχύτερη ενσωμάτωση νέων χρηστών.

Αυτή η αρχική επιτυχία όχι μόνο βελτίωσε τη λειτουργική απόδοση των αναλυτών αναζήτησης της Searchmetrics, αλλά βοήθησε επίσης την Searchmetrics να χαράξει μια σαφέστερη διαδρομή για την ανάπτυξη πιο ολοκληρωμένων λύσεων αυτοματισμού χρησιμοποιώντας AI στην επιχείρησή της.

Αυτές οι συναρπαστικές νέες ευκαιρίες καινοτομίας βοηθούν την Searchmetrics να συνεχίσει να βελτιώνει τις δυνατότητές της για πληροφορίες και επίσης τη βοηθά να διασφαλίζει ότι οι πελάτες συνεχίζουν να παραμένουν μπροστά στο υπερανταγωνιστικό τοπίο αναζήτησης.

Επιπλέον, η Hugging Face και η AWS ανακοίνωσαν μια συνεργασία νωρίτερα το 2022 που καθιστά ακόμα πιο εύκολη την εκπαίδευση μοντέλων Hugging Face στο SageMaker. Αυτή η λειτουργία είναι διαθέσιμη μέσω της ανάπτυξης του Hugging Face Εμπορευματοκιβώτια βαθιάς μάθησης AWS (DLCs). Αυτά τα κοντέινερ περιλαμβάνουν Hugging Face Transformers, Tokenizers και τη βιβλιοθήκη Datasets, η οποία μας επιτρέπει να χρησιμοποιούμε αυτούς τους πόρους για εργασίες εκπαίδευσης και συμπερασμάτων.

Για μια λίστα με τις διαθέσιμες εικόνες DLC, δείτε τις διαθέσιμες Εικόνες Deep Learning Containers, τα οποία διατηρούνται και ενημερώνονται τακτικά με ενημερώσεις κώδικα ασφαλείας. Μπορείτε να βρείτε πολλά παραδείγματα για το πώς να εκπαιδεύσετε μοντέλα Hugging Face με αυτά τα DLC και τα Hugging Face Python SDK στα ακόλουθα GitHub repo.

Μάθετε περισσότερα σχετικά με το πώς μπορείτε να επιταχύνετε την ικανότητά σας να καινοτομείτε με AI/ML επισκεπτόμενοι Ξεκινώντας με το Amazon SageMaker, αποκτώντας πρακτικό εκπαιδευτικό περιεχόμενο αναθεωρώντας το Πόροι προγραμματιστών Amazon SageMaker, ή επίσκεψη Αγκαλιασμένο πρόσωπο στο Amazon SageMaker.

---

Σχετικά με το Συγγραφέας

Ντάνιελ Μπερκ είναι ο ευρωπαϊκός ηγέτης για AI και ML στον όμιλο Private Equity της AWS. Ο Daniel συνεργάζεται απευθείας με τα ιδιωτικά επενδυτικά κεφάλαια και τις εταιρείες του χαρτοφυλακίου τους, βοηθώντας τους να επιταχύνουν την υιοθέτηση AI και ML για τη βελτίωση της καινοτομίας και την αύξηση της εταιρικής αξίας.

• Coinsmart. Το καλύτερο ανταλλακτήριο Bitcoin και Crypto στην Ευρώπη.
• Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. ΕΛΕΥΘΕΡΗ ΠΡΟΣΒΑΣΗ.
• CryptoHawk. Ραντάρ Altcoin. Δωρεάν δοκιμή.
• Πηγή: https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their-human-analysts-20- γρηγορότερα/