כיצד Searchmetrics משתמש באמזון SageMaker כדי למצוא אוטומטית מילות מפתח רלוונטיות ולהפוך את האנליסטים האנושיים שלהם למהירים ב-20%

מדדי חיפוש היא ספקית גלובלית של נתוני חיפוש, תוכנה ופתרונות ייעוץ, המסייעת ללקוחות להפוך נתוני חיפוש לתובנות עסקיות ייחודיות. עד כה, Searchmetrics סייעה ליותר מ-1,000 חברות כמו McKinsey & Company, Lowe's ו-AXA למצוא יתרון בנוף החיפוש ההיפר-תחרותי.

בשנת 2021, Searchmetrics פנתה ל-AWS כדי לסייע בשימוש בבינה מלאכותית (AI) כדי לשפר עוד יותר את יכולות תובנות החיפוש שלהם.

בפוסט זה, אנו משתפים כיצד Searchmetrics בנתה פתרון AI שהגדיל את היעילות של כוח העבודה האנושי שלה ב-20% על ידי מציאת מילות מפתח רלוונטיות עבור כל נושא נתון באופן אוטומטי, באמצעות אמזון SageMaker והשילוב המקורי שלו עם Hugging Face.

שימוש בבינה מלאכותית לזיהוי רלוונטיות מתוך רשימה של מילות מפתח

חלק מרכזי בהצעת התובנות של Searchmetrics הוא היכולת לזהות את מילות המפתח הרלוונטיות ביותר לחיפוש עבור נושא או כוונת חיפוש נתון.

לשם כך, ל-Searchmetrics יש צוות של אנליסטים שמעריכים את הרלוונטיות הפוטנציאלית של מילות מפתח מסוימות בהינתן מילת מוצא ספציפית. אנליסטים משתמשים בכלי פנימי כדי לסקור מילת מפתח בתוך נושא נתון ורשימה שנוצרה של מילות מפתח הקשורות בפוטנציה, ולאחר מכן עליהם לבחור מילת מפתח קשורה אחת או יותר הרלוונטיות לנושא זה.

תהליך הסינון והבחירה הידני הזה ארך זמן והאט את היכולת של Searchmetrics לספק תובנות ללקוחותיה.

כדי לשפר את התהליך הזה, Searchmetrics ביקשה לבנות פתרון AI שיוכל להשתמש בעיבוד שפה טבעית (NLP) כדי להבין את הכוונה של נושא חיפוש נתון ולדרג אוטומטית רשימה בלתי נראית של מילות מפתח פוטנציאליות לפי רלוונטיות.

שימוש ב- SageMaker ו- Hugging Face כדי לבנות במהירות יכולות NLP מתקדמות

כדי לפתור זאת, צוות ההנדסה של Searchmetrics פנה אל SageMaker, פלטפורמת למידת מכונה מקצה לקצה (ML) המסייעת למפתחים ומדעני נתונים במהירות ובקלות לבנות, לאמן ולפרוס מודלים של ML.

SageMaker מאיץ את הפריסה של עומסי עבודה של ML על ידי פישוט תהליך הבנייה של ML. הוא מספק מערך רחב של יכולות ML על גבי תשתית מנוהלת במלואה. זה מסיר את ההרמה הכבדה הבלתי מובחנת שלעתים קרובות מדי מעכבת את התפתחות ה-ML.

Searchmetrics בחרה ב-SageMaker בגלל מכלול היכולות שהוא סיפק בכל שלב בתהליך הפיתוח של ML:

• SageMaker מחשבים ניידים אפשרו לצוות Searchmetrics ליצור במהירות סביבות פיתוח ML מנוהלות במלואן, לבצע עיבוד מקדים של נתונים ולהתנסות בגישות שונות
• השמיים הפיכת אצווה היכולות של SageMaker אפשרו ל-Searchmetrics לעבד ביעילות את עומסי ההסקנות שלה בכמויות גדולות, כמו גם להשתלב בקלות בשירות האינטרנט הקיים שלה בייצור

Searchmetrics גם התעניינה במיוחד באינטגרציה המקורית של SageMaker עם פנים מחבקות, סטארטאפ NLP מרגש המספק גישה קלה ליותר מ-7,000 מודלים של שפה מאומנים מראש דרך ספריית ה-Tranformers הפופולרית שלו.

SageMaker מספק אינטגרציה ישירה עם Hugging Face באמצעות מעריך חיבוק ייעודי ב- SageMaker SDK. זה מקל על הפעלת דגמי Hugging Face על תשתית SageMaker המנוהלת במלואה.

בעזרת שילוב זה, Searchmetrics הצליחה לבדוק ולהתנסות במגוון מודלים וגישות שונות כדי למצוא את הגישה בעלת הביצועים הטובים ביותר למקרה השימוש שלהם.

הפתרון הסופי משתמש בצינור סיווג אפס כדי לזהות את מילות המפתח הרלוונטיות ביותר. מודלים שונים שהוכשרו מראש ואסטרטגיות שאילתות הוערכו, עם facebook/bart-large-mnli מספק את התוצאות המבטיחות ביותר.

שימוש ב-AWS כדי לשפר את היעילות התפעולית ולמצוא הזדמנויות חדשנות חדשות

עם SageMaker והשילוב המקורי שלו עם Hugging Face, Searchmetrics הצליחה לבנות, לאמן ולפרוס פתרון NLP שיוכל להבין נושא נתון ולדרג במדויק רשימה בלתי נראית של מילות מפתח על סמך הרלוונטיות שלהן. ערכת הכלים שמציעה SageMaker הקלה על הניסוי והפריסה.

בשילוב עם הכלי הפנימי הקיים של Searchmetrics, יכולת הבינה המלאכותית הזו סיפקה הפחתה ממוצעת של 20% בזמן שלוקח לאנליסטים אנושיים להשלים את עבודתם. זה הביא לתפוקה גבוהה יותר, חווית משתמש משופרת, וכניסה מהירה יותר של משתמשים חדשים.

הצלחה ראשונית זו לא רק שיפרה את הביצועים התפעוליים של מנתחי החיפוש של Searchmetrics, אלא גם סייעה ל-Searchmetrics להתוות דרך ברורה יותר לפריסת פתרונות אוטומציה מקיפים יותר באמצעות AI בעסק שלה.

הזדמנויות חדשנות מרגשות אלו עוזרות ל-Searchmetrics להמשיך ולשפר את יכולות התובנות שלהם, וגם עוזרות להם להבטיח שהלקוחות ימשיכו להקדים בנוף החיפוש ההיפר-תחרותי.

בנוסף, Hugging Face ו-AWS הכריזו על שותפות מוקדם יותר בשנת 2022 שמקלה עוד יותר על אימון דגמי Hugging Face ב- SageMaker. פונקציונליות זו זמינה באמצעות הפיתוח של Hugging Face מיכלי למידה עמוקה של AWS (DLCs). המכולות הללו כוללות Hugging Face Transformers, Tokenizers וספריית Datasets, המאפשרת לנו להשתמש במשאבים אלה לצורך הדרכה והסקת מסקנות.

לרשימה של תמונות DLC הזמינות, ראה זמינות תמונות מיכל למידה עמוקה, שמתוחזקים ומתעדכנים באופן קבוע עם תיקוני אבטחה. אתה יכול למצוא דוגמאות רבות לאימון דגמי Hugging Face עם ה-DLCs האלה וה- חיבוק Face Python SDK בהמשך GitHub ריפו.

למד עוד על איך אתה יכול להאיץ את היכולת שלך לחדש עם AI/ML על ידי ביקור תחילת העבודה עם Amazon SageMaker, קבלת תוכן למידה מעשי על ידי סקירת ה משאבי מפתחים של Amazon SageMaker, או ביקור חיבוק פנים באמזון SageMaker.

---

על המחבר

דניאל בורק הוא המוביל באירופה עבור AI ו-ML בקבוצת Private Equity ב-AWS. דניאל עובד ישירות עם קרנות פרייבט אקוויטי וחברות הפורטפוליו שלהן, ועוזר להן להאיץ את אימוץ ה-AI וה-ML שלהן כדי לשפר חדשנות ולהגדיל את הערך הארגוני.

• Coinsmart. בורסת הביטקוין והקריפטו הטובה באירופה.
• Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה חופשית.
• CryptoHawk. רדאר אלטקוין. ניסיון חינם.
• מקור: https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their-human-analysts-20- מהיר יותר/