مشتریان به طور فزاینده ای به بررسی محصولات روی می آورند تا در سفر خرید خود تصمیمات آگاهانه بگیرند، چه در حال خرید اقلام روزمره مانند حوله آشپزخانه باشند و چه خریدهای عمده ای مانند خرید ماشین. این بررسیها به منبع اطلاعاتی ضروری تبدیل شدهاند و خریداران را قادر میسازد تا به نظرات و تجربیات سایر مشتریان دسترسی داشته باشند. در نتیجه، بررسی محصول به یک جنبه حیاتی در هر فروشگاه تبدیل شده است و بازخورد و بینش ارزشمندی را برای کمک به تصمیم گیری درباره خرید ارائه می دهد.
آمازون یکی از بزرگترین فروشگاه ها را با صدها میلیون کالا در دسترس دارد. در سال 2022، 125 میلیون مشتری نزدیک به 1.5 میلیارد بررسی و رتبهبندی را به فروشگاههای آمازون ارائه کردند که باعث شد بررسیهای آنلاین در آمازون منبع خوبی برای بازخورد برای مشتریان باشد. در مقیاس بررسیهای محصول که هر ماه ارسال میشود، تأیید اینکه این بررسیها مطابقت دارند ضروری است دستورالعمل های انجمن آمازون در مورد زبان، کلمات، فیلم ها و تصاویر قابل قبول. این روش برای تضمین دریافت اطلاعات دقیق در مورد محصول توسط مشتریان و جلوگیری از مرورها از جمله زبان نامناسب، تصاویر توهینآمیز، یا هر نوع سخنان نفرتانگیز که علیه افراد یا جوامع صورت میگیرد، ایجاد شده است. با اجرای این دستورالعمل ها، آمازون می تواند محیطی امن و فراگیر را برای همه مشتریان حفظ کند.
اتوماسیون تعدیل محتوا به آمازون این امکان را میدهد تا با حفظ دقت بالا، فرآیند را مقیاسبندی کند. این یک فضای مشکل پیچیده با چالش های منحصر به فرد است و به تکنیک های مختلف برای متن، تصاویر و ویدیوها نیاز دارد. تصاویر یکی از اجزای مرتبط در بررسی محصول هستند که اغلب تأثیر فوری تری نسبت به متن بر روی مشتریان می گذارند. با تعدیل محتوای شناسایی آمازونآمازون قادر است به طور خودکار تصاویر مضر در بررسی محصولات را با دقت بالاتر تشخیص دهد و اتکا به بازبین های انسانی را برای تعدیل چنین محتوایی کاهش دهد. تعدیل محتوای شناسایی به بهبود رفاه مدیران انسانی و دستیابی به صرفه جویی قابل توجه در هزینه کمک کرده است.
تعدیل با مدلهای ML خود میزبان
تیم خرید آمازون یک سیستم تعدیل را طراحی و پیادهسازی کرد که از یادگیری ماشین (ML) همراه با بررسی انسان در حلقه (HITL) استفاده میکند تا اطمینان حاصل کند که بررسیهای محصول مربوط به تجربه مشتری از محصول است و شامل موارد نامناسب یا نامناسب نیست. محتوای مضر طبق دستورالعمل های انجمن زیرسیستم تعدیل تصویر، همانطور که در نمودار زیر نشان داده شده است، از چندین مدل بینایی کامپیوتری خود میزبان و خودآموز برای تشخیص تصاویری که دستورالعمل های آمازون را نقض می کنند، استفاده می کند. کنترل کننده تصمیم، اقدام تعدیل را تعیین می کند و دلایلی را برای تصمیم خود بر اساس خروجی مدل های ML ارائه می دهد، بنابراین تصمیم می گیرد که آیا تصویر نیاز به بررسی بیشتر توسط ناظر انسانی دارد یا می تواند به طور خودکار تأیید یا رد شود.
با این مدلهای ML خود میزبان، تیم با تصمیمگیری خودکار در مورد 40 درصد از تصاویر دریافتی به عنوان بخشی از بررسیها شروع کرد و به طور مداوم در طول سالها روی بهبود راهحل کار کرد و در عین حال با چالشهای متعددی روبرو بود:
- تلاش های مداوم برای بهبود نرخ اتوماسیون - تیم مایل به بهبود دقت الگوریتم های ML با هدف افزایش نرخ اتوماسیون بود. این امر مستلزم سرمایهگذاری مستمر در برچسبگذاری داده، علم داده و MLOps برای آموزش و استقرار مدلها است.
- پیچیدگی سیستم - پیچیدگی معماری مستلزم سرمایه گذاری در MLOps است تا اطمینان حاصل شود که فرآیند استنتاج ML به طور کارآمد برای پاسخگویی به ترافیک رو به رشد ارسال محتوا مقیاس می شود.
مدلهای خود میزبان ML را با API تعدیل محتوای Rekognition جایگزین کنید
شناسایی آمازون یک سرویس هوش مصنوعی مدیریت شده (AI) است که مدل های از پیش آموزش دیده را از طریق رابط API برای تعدیل تصویر و ویدئو. این به طور گسترده ای توسط صنایعی مانند تجارت الکترونیک، رسانه های اجتماعی، بازی، برنامه های دوستیابی آنلاین و سایرین برای تعدیل محتوای تولید شده توسط کاربر (UGC) پذیرفته شده است. این شامل طیف وسیعی از انواع محتوا، مانند بررسی محصول، نمایه های کاربر، و نظارت بر پست رسانه های اجتماعی است.
Rekognition Content Moderation گردش کار نظارت تصویر و ویدیو را بدون نیاز به تجربه ML خودکار و ساده می کند. مشتریان آمازون Rekognition میتوانند میلیونها تصویر و ویدیو را پردازش کنند و محتوای نامناسب یا ناخواسته را با APIهای کاملاً مدیریت شده و قوانین تعدیل قابل تنظیم برای ایمن نگهداشتن کاربران و سازگاری کسبوکار به طور مؤثر شناسایی کنند.
این تیم با استفاده از مدلهای تعدیل از قبل آموزشدیده بسیار دقیق و جامع، با موفقیت زیرمجموعهای از مدلهای ML خود مدیریتشده را در سیستم تعدیل تصویر برای تشخیص محتوای برهنگی و غیر ایمن برای کار (NSFW) به Amazon Rekognition Detect Moderation API منتقل کرد. . با دقت بالای آمازون Rekognition، این تیم توانسته است تصمیمات بیشتری را خودکار کند، در هزینه ها صرفه جویی کند و معماری سیستم خود را ساده کند.
دقت بهبود یافته و دسته بندی های تعدیل گسترش یافته است
اجرای API تعدیل تصویر آمازون Rekognition منجر به دقت بالاتر برای تشخیص محتوای نامناسب شده است. این بدان معناست که تقریباً 1 میلیون تصویر اضافی در سال به طور خودکار و بدون نیاز به بررسی انسانی تعدیل می شوند.
برتری عملیاتی
تیم خرید آمازون توانست معماری سیستم را ساده کند و تلاش عملیاتی مورد نیاز برای مدیریت و نگهداری سیستم را کاهش دهد. این رویکرد باعث صرفهجویی ماهها تلاش DevOps در سال شده است، به این معنی که اکنون میتوانند زمان خود را به جای صرف کارهای عملیاتی، به توسعه ویژگیهای نوآورانه اختصاص دهند.
کاهش هزینه
دقت بالا از تعدیل محتوای شناسایی به تیم این امکان را داده است که تصاویر کمتری از جمله محتوای نامناسب بالقوه را برای بازبینی انسانی ارسال کند. این امر هزینههای مرتبط با اعتدال انسانی را کاهش داده و به مدیران اجازه میدهد تا تلاشهای خود را بر روی وظایف تجاری با ارزشتر متمرکز کنند. تیم خرید آمازون در ترکیب با افزایش بهره وری DevOps، به صرفه جویی قابل توجهی در هزینه دست یافت.
نتیجه
مهاجرت از مدلهای ML خود میزبان به Amazon Rekognition Moderation API برای تعدیل بررسی محصول میتواند مزایای زیادی از جمله صرفهجویی قابل توجه در هزینهها را برای کسبوکارها فراهم کند. با خودکار کردن فرآیند تعدیل، فروشگاههای آنلاین میتوانند به سرعت و با دقت حجم زیادی از بررسیهای محصول را تعدیل کنند و با اطمینان از حذف سریع محتوای نامناسب یا هرزنامه، تجربه مشتری را بهبود بخشند. علاوه بر این، با استفاده از یک سرویس مدیریت شده مانند Amazon Rekognition Moderation API، شرکت ها می توانند زمان و منابع مورد نیاز برای توسعه و حفظ مدل های خود را کاهش دهند، که می تواند به ویژه برای مشاغل با منابع فنی محدود مفید باشد. انعطاف پذیری API همچنین به فروشگاه های آنلاین اجازه می دهد تا قوانین و آستانه های تعدیل خود را مطابق با نیازهای خاص خود سفارشی کنند.
اطلاعات بیشتر در مورد تعدیل محتوا در AWS و ما تعدیل محتوا موارد استفاده ML. اولین قدم را بردارید ساده کردن عملیات تعدیل محتوای خود با AWS.
درباره نویسنده
شیپرا کانوریا مدیر محصول اصلی در AWS است. او مشتاق کمک به مشتریان برای حل پیچیده ترین مشکلاتشان با قدرت یادگیری ماشینی و هوش مصنوعی است. قبل از پیوستن به AWS، شیپرا بیش از 4 سال را در آمازون الکسا گذراند، جایی که بسیاری از ویژگیهای مرتبط با بهرهوری را در دستیار صوتی الکسا راهاندازی کرد.
لوکا آگوستینو روبینو یک مهندس نرم افزار اصلی در تیم خرید آمازون است. او روی ویژگیهای انجمن مانند نظرات مشتری و پرسش و پاسخ کار میکند و در طول سالها بر تعدیل محتوا و مقیاسبندی و اتوماسیون راهحلهای یادگیری ماشین تمرکز کرده است.
لانا ژانگ یک معمار ارشد راه حل در تیم خدمات هوش مصنوعی AWS WWSO است که در AI و ML برای تعدیل محتوا، بینایی رایانه، پردازش زبان طبیعی و هوش مصنوعی مولد تخصص دارد. او با تخصص خود به ترویج راه حل های AWS AI/ML و کمک به مشتریان در تغییر راه حل های تجاری خود در صنایع مختلف، از جمله رسانه های اجتماعی، بازی، تجارت الکترونیک، رسانه، تبلیغات و بازاریابی اختصاص دارد.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. خودرو / خودروهای الکتریکی، کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- ChartPrime. بازی معاملاتی خود را با ChartPrime ارتقا دهید. دسترسی به اینجا.
- BlockOffsets. نوسازی مالکیت افست زیست محیطی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- : دارد
- :است
- :نه
- :جایی که
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- قادر
- درباره ما
- قابل قبول
- دسترسی
- دقت
- دقیق
- به درستی
- رسیدن
- دست
- در میان
- عمل
- اضافی
- علاوه بر این
- به تصویب رسید
- مزیت - فایده - سود - منفعت
- تبلیغات
- AI
- خدمات هوش مصنوعی
- AI / ML
- هدف
- چک
- الگوریتم
- تراز
- معرفی
- اختصاص دادن
- مجاز
- اجازه می دهد تا
- همچنین
- آمازون
- شناسایی آمازون
- آمازون خدمات وب
- an
- و
- هر
- API
- رابط های برنامه کاربردی
- روش
- تایید کرد
- تقریبی
- برنامه های
- معماری
- هستند
- مصنوعی
- هوش مصنوعی
- هوش مصنوعی (AI)
- AS
- ظاهر
- دستیار
- کمک کردن
- مرتبط است
- At
- خودکار بودن
- خودکار می کند
- بطور خودکار
- اتوماسیون
- اتوماسیون
- در دسترس
- AWS
- مستقر
- BE
- شدن
- بوده
- قبل از
- مزایای
- بیلیون
- کسب و کار
- کسب و کار
- خریداری کردن
- by
- CAN
- ماشین
- موارد
- چالش ها
- ترکیب شده
- جوامع
- انجمن
- شرکت
- پیچیده
- پیچیدگی
- موافق
- جزء
- جامع
- کامپیوتر
- چشم انداز کامپیوتر
- پیوستگی
- شامل
- محتوا
- انواع محتوا
- مداوم
- به طور مداوم
- کمک
- هزینه
- صرفه جویی در هزینه
- هزینه
- میتوانست
- بسیار سخت
- مشتری
- تجربه مشتری
- مشتریان
- سفارشی
- سفارشی
- داده ها
- علم اطلاعات
- دوستیابی
- تصمیم گیری
- تصمیم
- تصمیم گیری
- اختصاصی
- گسترش
- طراحی
- مطلوب
- تشخیص
- کشف
- تعیین می کند
- توسعه
- در حال توسعه
- مختلف
- مختلف
- آیا
- تجارت الکترونیک
- تجارت الکترونیک
- بهره وری
- موثر
- تلاش
- تلاش
- فعال
- را قادر می سازد
- اجرای قانون
- مهندس
- اطمینان حاصل شود
- حصول اطمینان از
- محیط
- به خصوص
- ضروری است
- هر
- هر روز
- منبسط
- تجربه
- تجارب
- تخصص
- نما
- امکانات
- باز خورد
- کمتر
- نام خانوادگی
- مناسب
- انعطاف پذیری
- تمرکز
- تمرکز
- پیروی
- برای
- از جانب
- کاملا
- بیشتر
- عایدات
- بازی
- مولد
- هوش مصنوعی مولد
- در حال رشد
- ضمانت
- دستورالعمل ها
- مضر
- آیا
- he
- کمک
- کمک کرد
- کمک
- او
- زیاد
- بالاتر
- خیلی
- چگونه
- HTML
- HTTPS
- انسان
- صدها نفر
- صدها میلیون
- تصویر
- تصاویر
- فوری
- تأثیر
- پیاده سازی
- اجرا
- بهبود
- بهبود
- in
- شامل
- از جمله
- شامل
- افزایش
- به طور فزاینده
- افراد
- لوازم
- اطلاع دادن
- اطلاعات
- اطلاع
- ابتکاری
- بینش
- در عوض
- اطلاعات
- رابط
- به
- سرمایه گذاری
- IT
- اقلام
- ITS
- پیوستن
- سفر
- JPG
- نگاه داشتن
- نگهداری
- برچسب
- زبان
- بزرگ
- بزرگترین
- راه اندازی
- یادگیری
- پسندیدن
- محدود شده
- دستگاه
- فراگیری ماشین
- حفظ
- عمده
- ساخت
- ساخت
- مدیریت
- اداره می شود
- مدیر
- بسیاری
- بازار یابی (Marketing)
- به معنی
- رسانه ها
- دیدار
- مهاجرت
- میلیون
- میلیون ها نفر
- ML
- MLO ها
- مدل
- اعتدال
- ماه
- ماه
- بیش
- اکثر
- چندگانه
- طبیعی
- پردازش زبان طبیعی
- تقریبا
- نیاز
- ضروری
- نیازهای
- اکنون
- گفتگو آزاد
- of
- توهین آمیز
- ارائه
- پیشنهادات
- غالبا
- on
- ONE
- آنلاین
- قابل استفاده
- عملیات
- دیدگاه ها
- or
- دیگر
- دیگران
- ما
- تولید
- روی
- به طور کلی
- خود
- بخش
- احساساتی
- برای
- محل
- افلاطون
- هوش داده افلاطون
- PlatoData
- پست
- بالقوه
- قدرت
- تمرین
- جلوگیری از
- اصلی
- مشکل
- مشکلات
- روند
- در حال پردازش
- محصول
- مدیر تولید
- نظرات در مورد محصول
- پروفایل
- ترویج
- ارائه
- فراهم می کند
- ارائه
- خرید
- خرید
- خرید
- به سرعت
- محدوده
- نرخ
- رتبه بندی
- دلایل
- گرفتن
- اخذ شده
- كاهش دادن
- کاهش
- کاهش
- با توجه
- مربوط
- اعتماد
- حذف شده
- ضروری
- نیاز
- منابع
- نتیجه
- این فایل نقد می نویسید:
- بررسی
- قوانین
- امن
- ذخیره
- پس انداز
- مقیاس
- مقیاس ها
- مقیاس گذاری
- علم
- ارسال
- ارشد
- سرویس
- خدمات
- چند
- او
- خريد كردن
- قابل توجه
- ساده کردن
- آگاهی
- رسانه های اجتماعی
- نرم افزار
- مهندس نرمافزار
- جامد
- راه حل
- مزایا
- حل
- منبع
- فضا
- اسپم
- متخصص
- خاص
- سخنرانی - گفتار
- هزینه
- صرف
- آغاز شده
- گام
- opbevare
- پرده
- ارسال
- ارسال
- موفقیت
- چنین
- سیستم
- گرفتن
- مصرف
- وظایف
- تیم
- فنی
- تکنیک
- نسبت به
- که
- La
- شان
- آنها
- در نتیجه
- اینها
- آنها
- این
- از طریق
- زمان
- به
- طرف
- ترافیک
- آموزش
- مبدل
- تبدیل شدن
- عطف
- نوع
- انواع
- منحصر به فرد
- ناخواسته
- استفاده کنید
- کاربر
- کاربران
- استفاده
- با استفاده از
- استفاده
- ارزشمند
- بررسی
- تصویری
- فیلم های
- دید
- صدا
- جلد
- بود
- وب
- خدمات وب
- چه
- که
- در حین
- به طور گسترده ای
- اراده
- با
- بدون
- کلمات
- مهاجرت کاری
- مشغول به کار
- گردش کار
- با این نسخهها کار
- سال
- سال
- شما
- زفیرنت