Hogyan használja a Searchmetrics az Amazon SageMaker-t, hogy automatikusan megtalálja a releváns kulcsszavakat, és 20%-kal gyorsabbá tegye emberi elemzőit

Searchmetrics a keresési adatok, szoftverek és tanácsadói megoldások globális szolgáltatója, segítve ügyfeleit abban, hogy a keresési adatokat egyedi üzleti betekintésekké alakítsák. A Searchmetrics eddig több mint 1,000 vállalatnak segített, mint például a McKinsey & Company, a Lowe's és az AXA, hogy előnyhöz jussanak a túlzottan versenyképes keresési környezetben.

2021-ben a Searchmetrics az AWS-hez fordult, hogy segítsen a mesterséges intelligencia (AI) használatában, hogy tovább fejleszthesse keresési betekintési képességeit.

Ebben a bejegyzésben megosztjuk, hogy a Searchmetrics hogyan épített egy mesterséges intelligencia-megoldást, amely 20%-kal növelte az emberi munkaerő hatékonyságát azáltal, hogy automatikusan megtalálta a releváns keresési kulcsszavakat egy adott témakörhöz. Amazon SageMaker és a Hugging Face natív integrációja.

AI használata a relevancia azonosítására kulcsszavak listájából

A Searchmetrics insights kínálatának kulcsfontosságú része az, hogy képes azonosítani a legrelevánsabb keresési kulcsszavakat egy adott témakörhöz vagy keresési szándékhoz.

Ehhez a Searchmetrics elemzőcsapattal rendelkezik, amely felméri bizonyos kulcsszavak lehetséges relevanciáját egy adott kezdőszó alapján. Az elemzők egy belső eszköz segítségével áttekintik a kulcsszavakat egy adott témán belül és a potenciálisan kapcsolódó kulcsszavak generált listáját, majd ki kell választaniuk egy vagy több kapcsolódó kulcsszót, amelyek relevánsak az adott témában.

Ez a kézi szűrési és kiválasztási folyamat időigényes volt, és lelassította a Searchmetrics azon képességét, hogy betekintést nyújtson ügyfeleinek.

Ennek a folyamatnak a javítása érdekében a Searchmetrics olyan mesterséges intelligencia-megoldást akart létrehozni, amely a természetes nyelvi feldolgozás (NLP) segítségével képes megérteni egy adott keresési téma célját, és automatikusan rangsorolja a potenciális kulcsszavak nem látott listáját relevancia szerint.

A SageMaker és Hugging Face használata a fejlett NLP-képességek gyors kiépítéséhez

Ennek megoldása érdekében a Searchmetrics mérnöki csapata a SageMakerhez fordult, egy teljes körű gépi tanulási (ML) platformhoz, amely segít a fejlesztőknek és az adatkutatóknak gyorsan és egyszerűen ML modellek felépítésében, betanításában és üzembe helyezésében.

A SageMaker az ML-felépítési folyamat egyszerűsítésével felgyorsítja az ML-munkaterhelések telepítését. Az ML képességek széles skáláját kínálja a teljesen felügyelt infrastruktúra mellett. Ez megszünteti a differenciálatlan nehézemelést, amely túl gyakran akadályozza az ML fejlődését.

A Searchmetrics azért választotta a SageMaker-t, mert az ML fejlesztési folyamat minden lépésében az általa biztosított lehetőségek teljes skáláját kínálja:

• SageMaker laptopok lehetővé tette a Searchmetrics csapata számára, hogy gyorsan felpörgessen teljesen felügyelt ML fejlesztői környezeteket, végezzen adat-előfeldolgozást, és kísérletezzen különböző megközelítésekkel
• A kötegelt átalakítás A SageMaker képességei lehetővé tették a Searchmetrics számára, hogy hatékonyan feldolgozza a következtetési rakományokat tömegesen, és könnyen integrálódjon meglévő webszolgáltatásába a termelésben

A Searchmetrics különösen érdeklődött a SageMaker natív integrációja iránt Átölelő arc, egy izgalmas NLP startup, amely több mint 7,000 előre betanított nyelvi modellhez biztosít könnyű hozzáférést népszerű Tranformers könyvtárán keresztül.

A SageMaker közvetlen integrációt biztosít a Hugging Face alkalmazással egy dedikált Hugging Face becslő segítségével. SageMaker SDK. Ez megkönnyíti a Hugging Face modellek futtatását a teljesen felügyelt SageMaker infrastruktúrán.

Ezzel az integrációval a Searchmetrics számos különböző modellt és megközelítést tesztelhetett és kísérletezhetett, hogy megtalálja a legjobban teljesítő megközelítést a felhasználási esetükhöz.

A végső megoldás egy nullapontos osztályozási folyamatot használ a legrelevánsabb kulcsszavak azonosítására. Különböző előre betanított modelleket és lekérdezési stratégiákat értékeltek ki facebook/bart-large-mnli a legígéretesebb eredményeket nyújtva.

Az AWS használata a működési hatékonyság javítására és új innovációs lehetőségek felkutatására

A SageMakerrel és a Hugging Face natív integrációjával a Searchmetrics olyan NLP-megoldást tudott felépíteni, betanítani és telepíteni, amely képes megérteni egy adott témát, és a kulcsszavak nem látott listáját a relevanciájuk alapján pontosan rangsorolni. A SageMaker által kínált eszközkészlet megkönnyítette a kísérletezést és a telepítést.

A Searchmetrics meglévő belső eszközével integrálva ez az AI-képesség átlagosan 20%-kal csökkentette az elemzők munkájának befejezéséhez szükséges időt. Ez nagyobb átvitelt, jobb felhasználói élményt és gyorsabb új felhasználók felvételét eredményezte.

Ez a kezdeti siker nemcsak a Searchmetrics keresési elemzőinek működési teljesítményét javította, hanem abban is, hogy a Searchmetrics világosabb utat vázoljon fel a mesterséges intelligencia segítségével átfogóbb automatizálási megoldások bevezetéséhez.

Ezek az izgalmas új innovációs lehetőségek segítenek a Searchmetricsnek abban, hogy tovább fejleszthessék betekintési képességeiket, és biztosítsák, hogy az ügyfelek továbbra is az élen járjanak a túlzottan versenyképes keresési környezetben.

Ezenkívül a Hugging Face és az AWS 2022 elején bejelentette, hogy együttműködést folytat, amely még egyszerűbbé teszi a Hugging Face modellek képzését a SageMakeren. Ez a funkció a Hugging Face fejlesztésén keresztül érhető el AWS Deep Learning Containers (DLC-k). Ezek a tárolók tartalmazzák a Hugging Face Transformers, Tokenizers és a Datasets könyvtárat, amely lehetővé teszi számunkra, hogy ezeket az erőforrásokat képzési és következtetési munkákhoz használjuk.

Az elérhető DLC-képek listáját lásd: elérhető Deep Learning Containers Images, amelyeket karbantartanak és rendszeresen frissítenek biztonsági javításokkal. Számos példát találhat arra, hogyan taníthat Hugging Face modelleket ezekkel a DLC-kkel és a Hugging Face Python SDK a következőkben GitHub repo.

További információ arról, hogyan gyorsíthatja fel innovációs képességét az AI/ML segítségével, ha felkeresi Az Amazon SageMaker használatának első lépései, gyakorlati tanulási tartalmak szerzése a Amazon SageMaker fejlesztői erőforrások, vagy meglátogatni Átölelő arc az Amazon SageMakeren.

---

A szerzőről

Daniel Burke az AWS Private Equity csoportjában az AI és az ML európai vezető vezetője. Daniel közvetlenül együttműködik a magántőke-alapokkal és portfólióvállalataikkal, segítve őket a mesterséges intelligencia és az ML bevezetésének felgyorsításában az innováció javítása és a vállalati érték növelése érdekében.

• Coinsmart. Európa legjobb Bitcoin- és kriptográfiai tőzsdéje.
• Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. SZABAD HOZZÁFÉRÉS.
• CryptoHawk. Altcoin radar. Ingyenes próbaverzió.
• Forrás: https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their-human-analysts-20- gyorsabb/