Les clients se tournent de plus en plus vers les avis sur les produits pour prendre des décisions éclairées dans leur parcours d'achat, qu'ils achètent des articles de tous les jours comme un torchon ou qu'ils fassent des achats importants comme l'achat d'une voiture. Ces avis sont devenus une source d'informations essentielle, permettant aux acheteurs d'accéder aux opinions et aux expériences d'autres clients. En conséquence, les avis sur les produits sont devenus un aspect crucial de tout magasin, offrant des commentaires et des informations précieux pour aider à éclairer les décisions d'achat.
Amazon possède l'un des plus grands magasins avec des centaines de millions d'articles disponibles. En 2022, 125 millions de clients ont fourni près de 1.5 milliard d'avis et d'évaluations aux magasins Amazon, faisant des avis en ligne d'Amazon une source solide de commentaires pour les clients. A l'échelle des avis produits déposés chaque mois, il est primordial de vérifier que ces avis correspondent Directives de la communauté Amazon concernant le langage, les mots, les vidéos et les images acceptables. Cette pratique est en place pour garantir que les clients reçoivent des informations exactes concernant le produit et pour empêcher que les avis contiennent un langage inapproprié, des images offensantes ou tout type de discours de haine dirigés contre des individus ou des communautés. En appliquant ces directives, Amazon peut maintenir un environnement sûr et inclusif pour tous les clients.
L'automatisation de la modération du contenu permet à Amazon d'adapter le processus tout en conservant une grande précision. C'est un espace problématique complexe avec des défis uniques et nécessitant différentes techniques pour le texte, les images et les vidéos. Les images sont un élément pertinent des avis sur les produits, offrant souvent un impact plus immédiat sur les clients que le texte. Avec Modération de contenu Amazon Rekognition, Amazon est capable de détecter automatiquement les images nuisibles dans les avis sur les produits avec une plus grande précision, ce qui réduit le recours aux examinateurs humains pour modérer ce contenu. Rekognition Content Moderation a contribué à améliorer le bien-être des modérateurs humains et à réaliser des économies importantes.
Modération avec des modèles de ML auto-hébergés
L'équipe Amazon Shopping a conçu et mis en œuvre un système de modération qui utilise l'apprentissage automatique (ML) en conjonction avec l'examen humain dans la boucle (HITL) pour s'assurer que les avis sur les produits concernent l'expérience client avec le produit et ne contiennent pas de contenus inappropriés ou inappropriés. contenu préjudiciable conformément aux directives de la communauté. Le sous-système de modération d'image, comme illustré dans le diagramme suivant, a utilisé plusieurs modèles de vision par ordinateur auto-hébergés et auto-formés pour détecter les images qui enfreignent les directives d'Amazon. Le gestionnaire de décision détermine l'action de modération et fournit les raisons de sa décision en fonction de la sortie des modèles ML, décidant ainsi si l'image nécessitait un examen supplémentaire par un modérateur humain ou pourrait être automatiquement approuvée ou rejetée.
Avec ces modèles ML auto-hébergés, l'équipe a commencé par automatiser les décisions sur 40 % des images reçues dans le cadre des avis et a continuellement travaillé à l'amélioration de la solution au fil des années tout en faisant face à plusieurs défis :
- Efforts continus pour améliorer le taux d'automatisation – L'équipe souhaitait améliorer la précision des algorithmes ML, visant à augmenter le taux d'automatisation. Cela nécessite des investissements continus dans l'étiquetage des données, la science des données et les MLOps pour la formation et le déploiement des modèles.
- Complexité du système – La complexité de l'architecture nécessite des investissements dans les MLOps pour garantir que le processus d'inférence ML évolue efficacement pour répondre au trafic croissant de soumission de contenu.
Remplacez les modèles de ML auto-hébergés par l'API de modération de contenu de Rekognition
Amazon Reconnaissance est un service d'intelligence artificielle (IA) géré qui propose des modèles pré-formés via une interface API pour modération d'images et de vidéos. Il a été largement adopté par des industries telles que le commerce électronique, les médias sociaux, les jeux, les applications de rencontres en ligne et d'autres pour modérer le contenu généré par l'utilisateur (UGC). Cela inclut une gamme de types de contenu, tels que des critiques de produits, des profils d'utilisateurs et la modération des publications sur les réseaux sociaux.
Rekognition Content Moderation automatise et rationalise les flux de travail de modération d'images et de vidéos sans nécessiter d'expérience en ML. Les clients d'Amazon Rekognition peuvent traiter des millions d'images et de vidéos, en détectant efficacement les contenus inappropriés ou indésirables, avec des API entièrement gérées et des règles de modération personnalisables pour assurer la sécurité des utilisateurs et la conformité de l'entreprise.
L'équipe a réussi à migrer un sous-ensemble de modèles ML autogérés dans le système de modération d'images pour la détection de contenu de nudité et non sécuritaire pour le travail (NSFW) vers l'API Amazon Rekognition Detect Moderation, en tirant parti des modèles de modération pré-formés très précis et complets. . Grâce à la grande précision d'Amazon Rekognition, l'équipe a pu automatiser davantage de décisions, réduire les coûts et simplifier l'architecture de son système.
Précision améliorée et catégories de modération élargies
La mise en œuvre de la API de modération d'images Amazon Rekognition a entraîné une plus grande précision pour la détection de contenu inapproprié. Cela implique qu'environ 1 million d'images supplémentaires par an seront automatiquement modérées sans qu'aucune révision humaine ne soit nécessaire.
L'excellence opérationnelle
L'équipe d'Amazon Shopping a pu simplifier l'architecture du système, réduisant ainsi l'effort opérationnel requis pour gérer et entretenir le système. Cette approche leur a épargné des mois d'effort DevOps par an, ce qui signifie qu'ils peuvent désormais consacrer leur temps au développement de fonctionnalités innovantes au lieu de le consacrer à des tâches opérationnelles.
Réduction des coûts
La haute précision de Rekognition Content Moderation a permis à l'équipe d'envoyer moins d'images pour examen humain, y compris du contenu potentiellement inapproprié. Cela a réduit le coût associé à la modération humaine et a permis aux modérateurs de concentrer leurs efforts sur des tâches commerciales plus importantes. Combiné avec les gains d'efficacité DevOps, l'équipe Amazon Shopping a réalisé des économies de coûts significatives.
Conclusion
La migration des modèles ML auto-hébergés vers l'API Amazon Rekognition Moderation pour la modération des avis de produits peut offrir de nombreux avantages aux entreprises, notamment des économies importantes. En automatisant le processus de modération, les boutiques en ligne peuvent modérer rapidement et avec précision de gros volumes d'avis sur les produits, améliorant ainsi l'expérience client en s'assurant que le contenu inapproprié ou spam est rapidement supprimé. De plus, en utilisant un service géré comme l'API Amazon Rekognition Moderation, les entreprises peuvent réduire le temps et les ressources nécessaires pour développer et maintenir leurs propres modèles, ce qui peut être particulièrement utile pour les entreprises disposant de ressources techniques limitées. La flexibilité de l'API permet également aux boutiques en ligne de personnaliser leurs règles et seuils de modération en fonction de leurs besoins spécifiques.
En savoir plus sur modération de contenu sur AWS et notre Modération de contenu Cas d'utilisation ML. Faites le premier pas vers rationaliser vos opérations de modération de contenu avec AWS.
À propos des auteurs
Shipra Kanoria est chef de produit principal chez AWS. Elle se passionne pour aider les clients à résoudre leurs problèmes les plus complexes grâce à la puissance de l'apprentissage automatique et de l'intelligence artificielle. Avant de rejoindre AWS, Shipra a passé plus de 4 ans chez Amazon Alexa, où elle a lancé de nombreuses fonctionnalités liées à la productivité sur l'assistant vocal Alexa.
Luca Agostino Rubino est ingénieur logiciel principal au sein de l'équipe Amazon Shopping. Il travaille sur des fonctionnalités communautaires telles que les avis clients et les questions-réponses, en se concentrant au fil des ans sur la modération de contenu et sur la mise à l'échelle et l'automatisation des solutions d'apprentissage automatique.
Lana Zhang est architecte de solutions senior au sein de l'équipe AWS WWSO AI Services, spécialisée dans l'IA et le ML pour la modération de contenu, la vision par ordinateur, le traitement du langage naturel et l'IA générative. Grâce à son expertise, elle se consacre à la promotion des solutions AWS AI/ML et à aider les clients à transformer leurs solutions commerciales dans divers secteurs, notamment les médias sociaux, les jeux, le commerce électronique, les médias, la publicité et le marketing.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Automobile / VE, Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- GraphiquePrime. Élevez votre jeu de trading avec ChartPrime. Accéder ici.
- Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
- La source: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- :possède
- :est
- :ne pas
- :où
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- Capable
- A Propos
- acceptable
- accès
- précision
- Avec cette connaissance vient le pouvoir de prendre
- avec précision
- atteindre
- atteint
- à travers
- Action
- Supplémentaire
- En outre
- adopté
- Avantage
- Numérique
- AI
- Services d'IA
- AI / ML
- Visée
- Alexa
- algorithmes
- aligner
- Tous
- allouer
- permis
- permet
- aussi
- Amazon
- Amazon Reconnaissance
- Amazon Web Services
- an
- ainsi que
- tous
- api
- Apis
- une approche
- ,
- approximatif
- applications
- architecture
- SONT
- artificiel
- intelligence artificielle
- Intelligence artificielle (AI)
- AS
- d'aspect
- Assistante gérante
- assistant
- associé
- At
- automatiser
- Automates
- automatiquement
- automatiser
- Automation
- disponibles
- AWS
- basé
- BE
- devenez
- était
- before
- avantages.
- Milliards
- la performance des entreprises
- entreprises
- Achat
- by
- CAN
- fournisseur
- cas
- globaux
- combiné
- Communautés
- Communautés
- Sociétés
- complexe
- complexité
- composant
- complet
- ordinateur
- Vision par ordinateur
- conjonction
- contiennent
- contenu
- Types de contenu
- continu
- continuellement
- contribué
- Prix
- les économies de coûts
- Costs
- pourriez
- crucial
- des clients
- expérience client
- Clients
- personnalisables
- personnaliser
- données
- science des données
- Rencontres
- Décider
- décision
- décisions
- dévoué
- déploiement
- un
- voulu
- détecter
- Détection
- détermine
- développer
- développement
- différent
- plusieurs
- Ne pas
- e-commerce
- e-commerce
- efficace
- efficacement
- effort
- efforts
- activé
- permettant
- l'application
- ingénieur
- assurer
- assurer
- Environment
- notamment
- essential
- Chaque
- de tous les jours
- étendu
- d'experience
- Expériences
- nous a permis de concevoir
- Fonctionnalités:
- Réactions
- moins
- Prénom
- s'adapter
- Flexibilité
- Focus
- mettant l'accent
- Abonnement
- Pour
- De
- d’étiquettes électroniques entièrement
- plus
- Gains
- jeux
- génératif
- IA générative
- Croissance
- guarantir
- lignes directrices
- nuisible
- Vous avez
- he
- vous aider
- a aidé
- aider
- ici
- Haute
- augmentation
- très
- Comment
- HTML
- HTTPS
- humain
- Des centaines
- des centaines de millions
- image
- satellite
- Immédiat
- Impact
- la mise en oeuvre
- mis en œuvre
- améliorer
- l'amélioration de
- in
- inclut
- Y compris
- Compris
- Améliore
- de plus en plus
- individus
- secteurs
- informer
- d'information
- Actualités
- technologie innovante
- idées.
- plutôt ;
- Intelligence
- Interfaces
- développement
- Investissements
- IT
- articles
- SES
- joindre
- chemin
- jpg
- XNUMX éléments à
- en gardant
- l'étiquetage
- langue
- gros
- le plus grand
- lancé
- apprentissage
- comme
- limité
- click
- machine learning
- maintenir
- majeur
- a prendre une
- Fabrication
- gérer
- gérés
- manager
- de nombreuses
- Stratégie
- veux dire
- Médias
- Découvrez
- migré
- million
- des millions
- ML
- MLOps
- numériques jumeaux (digital twin models)
- modération
- Mois
- mois
- PLUS
- (en fait, presque toutes)
- plusieurs
- Nature
- Traitement du langage naturel
- presque
- Besoin
- nécessaire
- Besoins
- maintenant
- NSFW
- of
- offensive
- offrant
- Offres Speciales
- souvent
- on
- ONE
- en ligne
- opérationnel
- Opérations
- Avis
- or
- Autre
- Autres
- nos
- sortie
- plus de
- global
- propre
- partie
- passionné
- /
- Place
- Platon
- Intelligence des données Platon
- PlatonDonnées
- Post
- l'éventualité
- power
- pratique
- empêcher
- Directeur
- Problème
- d'ouvrabilité
- processus
- traitement
- Produit
- chef de produit
- Comparatifs
- Profils
- la promotion de
- fournir
- fournit
- aportando
- achat
- achats
- achat
- vite.
- gamme
- Tarif
- votes
- Les raisons
- recevoir
- reçu
- réduire
- Prix Réduit
- réduire
- en ce qui concerne
- pertinent
- dépendance
- Supprimé
- conditions
- a besoin
- Resources
- résultat
- Avis
- Avis
- des
- Épargnez
- Épargnes
- Escaliers intérieurs
- Balance
- mise à l'échelle
- Sciences
- envoyer
- supérieur
- service
- Services
- plusieurs
- elle
- Shopping
- significative
- simplifier
- Réseaux sociaux
- réseaux sociaux
- Logiciels
- Software Engineer
- solide
- sur mesure
- Solutions
- RÉSOUDRE
- Identifier
- Space
- le spam
- spécialisation
- groupe de neurones
- discours
- Dépenses
- dépensé
- j'ai commencé
- étapes
- Boutique
- STORES
- Soumission
- soumis
- Avec succès
- tel
- combustion propre
- Prenez
- prise
- tâches
- équipe
- Technique
- techniques
- que
- qui
- La
- leur
- Les
- ainsi
- Ces
- l'ont
- this
- Avec
- fiable
- à
- vers
- circulation
- Formation
- transformé
- transformer
- Tournant
- type
- types
- expérience unique et authentique
- indésirable
- utilisé
- Utilisateur
- utilisateurs
- Usages
- en utilisant
- utilisé
- Précieux
- vérifier
- Vidéo
- Vidéos
- vision
- Voix
- volumes
- était
- web
- services Web
- que
- qui
- tout en
- largement
- sera
- comprenant
- sans
- des mots
- activités principales
- travaillé
- workflows
- vos contrats
- an
- années
- Votre
- zéphyrnet