Cómo utiliza Searchmetrics Amazon SageMaker para encontrar automáticamente palabras clave relevantes y hacer que sus analistas humanos sean un 20 % más rápidos

Métricas de búsqueda es un proveedor global de datos de búsqueda, software y soluciones de consultoría, que ayuda a los clientes a convertir los datos de búsqueda en información comercial única. Hasta la fecha, Searchmetrics ha ayudado a más de 1,000 empresas como McKinsey & Company, Lowe's y AXA a encontrar una ventaja en el panorama de búsqueda hipercompetitivo.

En 2021, Searchmetrics recurrió a AWS para ayudar con el uso de inteligencia artificial (IA) para mejorar aún más sus capacidades de información de búsqueda.

En esta publicación, compartimos cómo Searchmetrics creó una solución de IA que aumentó la eficiencia de su fuerza laboral humana en un 20 % al encontrar automáticamente palabras clave de búsqueda relevantes para cualquier tema determinado, utilizando Amazon SageMaker y su integración nativa con Hugging Face.

Uso de IA para identificar la relevancia de una lista de palabras clave

Una parte clave de la oferta de información de Searchmetrics es su capacidad para identificar las palabras clave de búsqueda más relevantes para un tema o intención de búsqueda determinados.

Para hacer esto, Searchmetrics cuenta con un equipo de analistas que evalúan la relevancia potencial de ciertas palabras clave dada una palabra semilla específica. Los analistas usan una herramienta interna para revisar una palabra clave dentro de un tema determinado y una lista generada de palabras clave potencialmente relacionadas, y luego deben seleccionar una o más palabras clave relacionadas que sean relevantes para ese tema.

Este proceso manual de filtrado y selección requería mucho tiempo y ralentizaba la capacidad de Searchmetrics para brindar información a sus clientes.

Para mejorar este proceso, Searchmetrics buscó crear una solución de inteligencia artificial que pudiera usar el procesamiento del lenguaje natural (NLP) para comprender la intención de un tema de búsqueda determinado y clasificar automáticamente una lista invisible de palabras clave potenciales por relevancia.

Uso de SageMaker y Hugging Face para desarrollar rápidamente capacidades avanzadas de PNL

Para resolver esto, el equipo de ingeniería de Searchmetrics recurrió a SageMaker, una plataforma de aprendizaje automático (ML) integral que ayuda a los desarrolladores y científicos de datos a crear, entrenar e implementar modelos de ML de forma rápida y sencilla.

SageMaker acelera la implementación de cargas de trabajo de ML al simplificar el proceso de creación de ML. Proporciona un amplio conjunto de capacidades de ML además de una infraestructura completamente administrada. Esto elimina el trabajo pesado no diferenciado que con demasiada frecuencia obstaculiza el desarrollo de ML.

Searchmetrics eligió SageMaker debido a la gama completa de capacidades que brinda en cada paso del proceso de desarrollo de ML:

• SageMaker ordenadores portátiles permitió al equipo de Searchmetrics poner rápidamente en marcha entornos de desarrollo de ML totalmente administrados, realizar el preprocesamiento de datos y experimentar con diferentes enfoques
• El transformación por lotes Las capacidades de SageMaker permitieron a Searchmetrics procesar eficientemente sus cargas de inferencia en masa, así como integrarse fácilmente en su servicio web existente en producción.

Searchmetrics también estaba particularmente interesado en la integración nativa de SageMaker con Abrazando la cara, una nueva empresa emocionante de NLP que brinda fácil acceso a más de 7,000 modelos de lenguaje entrenados previamente a través de su popular biblioteca Transformadores.

SageMaker proporciona una integración directa con Hugging Face a través de un estimador Hugging Face dedicado en el SDK de SageMaker. Esto facilita la ejecución de modelos Hugging Face en la infraestructura de SageMaker completamente administrada.

Con esta integración, Searchmetrics pudo probar y experimentar con una gama de diferentes modelos y enfoques para encontrar el enfoque de mejor rendimiento para su caso de uso.

La solución final utiliza una canalización de clasificación de tiro cero para identificar las palabras clave más relevantes. Se evaluaron diferentes modelos pre-entrenados y estrategias de consulta, con facebook/bart-grande-mnli proporcionando los resultados más prometedores.

Uso de AWS para mejorar la eficiencia operativa y encontrar nuevas oportunidades de innovación

Con SageMaker y su integración nativa con Hugging Face, Searchmetrics pudo crear, entrenar e implementar una solución de NLP que pudiera comprender un tema determinado y clasificar con precisión una lista invisible de palabras clave en función de su relevancia. El conjunto de herramientas ofrecido por SageMaker facilitó la experimentación y la implementación.

Cuando se integró con la herramienta interna existente de Searchmetrics, esta capacidad de IA generó una reducción promedio del 20 % en el tiempo que tardan los analistas humanos en completar su trabajo. Esto dio como resultado un mayor rendimiento, una experiencia de usuario mejorada y una incorporación más rápida de nuevos usuarios.

Este éxito inicial no solo mejoró el rendimiento operativo de los analistas de búsqueda de Searchmetrics, sino que también ayudó a Searchmetrics a trazar un camino más claro para implementar soluciones de automatización más integrales utilizando IA en su negocio.

Estas nuevas y emocionantes oportunidades de innovación ayudan a Searchmetrics a continuar mejorando sus capacidades de información y también les ayudan a garantizar que los clientes continúen estando a la vanguardia en el panorama de búsqueda hipercompetitivo.

Además, Hugging Face y AWS anunciaron una asociación a principios de 2022 que facilita aún más el entrenamiento de modelos Hugging Face en SageMaker. Esta funcionalidad está disponible a través del desarrollo de Hugging Face Contenedores de aprendizaje profundo de AWS (DLC). Estos contenedores incluyen Hugging Face Transformers, Tokenizers y la biblioteca Datasets, lo que nos permite usar estos recursos para trabajos de capacitación e inferencia.

Para obtener una lista de las imágenes DLC disponibles, consulte disponible Imágenes de contenedores de aprendizaje profundo, que se mantienen y actualizan regularmente con parches de seguridad. Puede encontrar muchos ejemplos de cómo entrenar modelos Hugging Face con estos DLC y el SDK de Python para abrazar la cara en el siguiente Repositorio GitHub.

Obtenga más información sobre cómo puede acelerar su capacidad de innovar con AI/ML visitando Primeros pasos con Amazon SageMaker, obtener contenido de aprendizaje práctico al revisar el Recursos para desarrolladores de Amazon SageMakero visitando Abrazando la cara en Amazon SageMaker.

---

Sobre la autora

daniel burke es el líder europeo de IA y ML en el grupo de capital privado de AWS. Daniel trabaja directamente con fondos de capital privado y sus empresas de cartera, ayudándolos a acelerar su adopción de IA y ML para mejorar la innovación y aumentar el valor empresarial.

• Coinsmart. El mejor intercambio de Bitcoin y criptografía de Europa.
• Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. ACCESO LIBRE.
• CriptoHawk. Radar de altcoins. Prueba gratis.
• Fuente: https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their-human-analysts-20- más rápido/