In che modo Searchmetrics utilizza Amazon SageMaker per trovare automaticamente le parole chiave pertinenti e rendere i loro analisti umani più veloci del 20%

Ripubblicato da Platone

Seguaci: 0

Searchmetrics è un fornitore globale di dati di ricerca, software e soluzioni di consulenza, aiutando i clienti a trasformare i dati di ricerca in informazioni aziendali uniche. Ad oggi, Searchmetrics ha aiutato più di 1,000 aziende come McKinsey & Company, Lowe's e AXA a trovare un vantaggio nel panorama della ricerca ipercompetitiva.

Nel 2021, Searchmetrics si è rivolta ad AWS per aiutare con l'utilizzo dell'intelligenza artificiale (AI) per migliorare ulteriormente le proprie capacità di informazioni dettagliate sulla ricerca.

In questo post, condividiamo come Searchmetrics ha creato una soluzione di intelligenza artificiale che ha aumentato l'efficienza della sua forza lavoro umana del 20% trovando automaticamente parole chiave di ricerca pertinenti per un determinato argomento, utilizzando Amazon Sage Maker e la sua integrazione nativa con Hugging Face.

In che modo Searchmetrics utilizza Amazon SageMaker per trovare automaticamente parole chiave pertinenti e rendere i propri analisti umani il 20% più veloci PlatoBlockchain Data Intelligence. Ricerca verticale. Ai.

“Amazon SageMaker ha semplificato la valutazione e l'integrazione dei modelli NLP all'avanguardia di Hugging Face nei nostri sistemi.
La soluzione che abbiamo creato ci rende più efficienti e migliora notevolmente la nostra esperienza utente".– Ioannis Foukarakis, responsabile dei dati, Searchmetrics

Utilizzo dell'IA per identificare la pertinenza da un elenco di parole chiave

Una parte fondamentale dell'offerta di informazioni dettagliate di Searchmetrics è la sua capacità di identificare le parole chiave di ricerca più pertinenti per un determinato argomento o intento di ricerca.

Per fare ciò, Searchmetrics dispone di un team di analisti che valuta la potenziale rilevanza di determinate parole chiave data una parola chiave specifica. Gli analisti utilizzano uno strumento interno per esaminare una parola chiave all'interno di un determinato argomento e un elenco generato di parole chiave potenzialmente correlate, quindi devono selezionare una o più parole chiave correlate pertinenti a tale argomento.

Questo processo manuale di filtraggio e selezione ha richiesto molto tempo e ha rallentato la capacità di Searchmetrics di fornire informazioni dettagliate ai propri clienti.

Per migliorare questo processo, Searchmetrics ha cercato di creare una soluzione di intelligenza artificiale che potesse utilizzare l'elaborazione del linguaggio naturale (NLP) per comprendere l'intento di un determinato argomento di ricerca e classificare automaticamente un elenco invisibile di potenziali parole chiave in base alla rilevanza.

Utilizzo di SageMaker e Hugging Face per creare rapidamente funzionalità NLP avanzate

Per risolvere questo problema, il team di ingegneri di Searchmetrics si è rivolto a SageMaker, una piattaforma di machine learning (ML) end-to-end che aiuta sviluppatori e data scientist a creare, addestrare e distribuire modelli ML in modo rapido e semplice.

SageMaker accelera l'implementazione dei carichi di lavoro ML semplificando il processo di compilazione ML. Fornisce un'ampia serie di funzionalità ML oltre a un'infrastruttura completamente gestita. Questo rimuove il sollevamento pesante indifferenziato che troppo spesso ostacola lo sviluppo del ML.

Searchmetrics ha scelto SageMaker per la gamma completa di funzionalità che ha fornito in ogni fase del processo di sviluppo di ML:

SageMaker computer portatili ha consentito al team di Searchmetrics di creare rapidamente ambienti di sviluppo ML completamente gestiti, eseguire la preelaborazione dei dati e sperimentare approcci diversi
I trasformazione batch le funzionalità di SageMaker hanno consentito a Searchmetrics di elaborare in modo efficiente i propri payload di inferenza in blocco, nonché di integrarsi facilmente nel servizio Web esistente in produzione

Searchmetrics era anche particolarmente interessato all'integrazione nativa di SageMaker con Abbracciare il viso, un'entusiasmante startup NLP che fornisce un facile accesso a oltre 7,000 modelli linguistici pre-addestrati attraverso la sua popolare libreria Transformers.

SageMaker fornisce un'integrazione diretta con Hugging Face attraverso uno stimatore Hugging Face dedicato nel SDK di SageMaker. Ciò semplifica l'esecuzione dei modelli Hugging Face sull'infrastruttura SageMaker completamente gestita.

Grazie a questa integrazione, Searchmetrics è stata in grado di testare e sperimentare una gamma di modelli e approcci diversi per trovare l'approccio con le migliori prestazioni al loro caso d'uso.

La soluzione finale utilizza una pipeline di classificazione zero-shot per identificare le parole chiave più rilevanti. Sono stati valutati diversi modelli pre-addestrati e strategie di query, con facebook/bart-large-mnli fornendo i risultati più promettenti.

Utilizzo di AWS per migliorare l'efficienza operativa e trovare nuove opportunità di innovazione

Con SageMaker e la sua integrazione nativa con Hugging Face, Searchmetrics è stata in grado di creare, addestrare e distribuire una soluzione NLP in grado di comprendere un determinato argomento e classificare accuratamente un elenco di parole chiave invisibili in base alla loro rilevanza. Il set di strumenti offerto da SageMaker ha semplificato la sperimentazione e l'implementazione.

Se integrata con lo strumento interno esistente di Searchmetrics, questa funzionalità di intelligenza artificiale ha consentito una riduzione media del 20% del tempo impiegato dagli analisti umani per completare il proprio lavoro. Ciò ha comportato una maggiore velocità effettiva, una migliore esperienza utente e un più rapido onboarding di nuovi utenti.

Questo successo iniziale non solo ha migliorato le prestazioni operative degli analisti di ricerca di Searchmetrics, ma ha anche aiutato Searchmetrics a tracciare un percorso più chiaro verso l'implementazione di soluzioni di automazione più complete utilizzando l'IA nella sua attività.

Queste nuove entusiasmanti opportunità di innovazione aiutano Searchmetrics a continuare a migliorare le proprie capacità di insight e anche a garantire che i clienti continuino a rimanere all'avanguardia nel panorama di ricerca ipercompetitivo.

Inoltre, Hugging Face e AWS hanno annunciato una partnership all'inizio del 2022 che rende ancora più semplice addestrare i modelli Hugging Face su SageMaker. Questa funzionalità è disponibile attraverso lo sviluppo di Hugging Face Contenitori per l'apprendimento profondo AWS (DLC). Questi contenitori includono Hugging Face Transformers, Tokenizer e la libreria di set di dati, che ci consente di utilizzare queste risorse per lavori di formazione e di inferenza.

Per un elenco delle immagini DLC disponibili, vedere disponibile Immagini di contenitori per l'apprendimento profondo, che vengono mantenuti e regolarmente aggiornati con patch di sicurezza. Puoi trovare molti esempi di come addestrare i modelli Hugging Face con questi DLC e il Abbracciare Face Python SDK nel seguente Repository GitHub.

Scopri di più su come accelerare la tua capacità di innovare con AI/ML visitando Guida introduttiva ad Amazon SageMaker, ottenendo contenuti didattici pratici rivedendo il Risorse per sviluppatori Amazon SageMaker, o in visita Abbracciare la faccia su Amazon SageMaker.

L'autore

Daniele Burke è il leader europeo per AI e ML nel gruppo di private equity di AWS. Daniel lavora direttamente con i fondi di Private Equity e le loro società in portafoglio, aiutandoli ad accelerare l'adozione di AI e ML per migliorare l'innovazione e aumentare il valore dell'impresa.