SearchmetricsがAmazonSageMakerを使用して、関連するキーワードを自動的に検索し、人間のアナリストを20％高速化する方法

プラトン再発行

フォロワー： 0

Searchmetrics は、検索データ、ソフトウェア、およびコンサルティングソリューションのグローバルプロバイダーであり、顧客が検索データを独自のビジネス洞察に変えるのを支援しています。これまで、Searchmetricsは、McKinsey＆Company、Lowe's、AXAなどの1,000以上の企業が、競争の激しい検索環境で優位性を見つけるのに役立ってきました。

2021年、SearchmetricsはAWSを利用して、人工知能（AI）の使用を支援し、検索インサイト機能をさらに向上させました。

この投稿では、SearchmetricsがAIソリューションを構築し、特定のトピックに関連する検索キーワードを自動的に検索することで、人間の労働力の効率を20％向上させた方法を紹介します。アマゾンセージメーカーそして、HuggingFaceとのネイティブ統合。

Searchmetrics が Amazon SageMaker を使用して関連キーワードを自動的に検索し、人間のアナリストを 20% 高速化する方法。PlatoBlockchain Data Intelligence。垂直検索。あい。

「AmazonSageMakerは、HuggingFaceの最先端のNLPモデルを評価してシステムに統合するのを簡単にしました。
私たちが構築したソリューションは、私たちをより効率的にし、ユーザーエクスペリエンスを大幅に向上させます。」– Ioannis Foukarakis、データ責任者、Searchmetrics

AIを使用してキーワードのリストから関連性を特定する

Searchmetricsのインサイト提供の重要な部分は、特定のトピックまたは検索インテントに最も関連性の高い検索キーワードを識別する機能です。

これを行うために、Searchmetricsには、特定のシードワードが与えられた特定のキーワードの潜在的な関連性を評価するアナリストのチームがあります。アナリストは、内部ツールを使用して、特定のトピック内のキーワードと、関連する可能性のあるキーワードの生成されたリストを確認し、そのトピックに関連するXNUMXつ以上の関連キーワードを選択する必要があります。

この手動のフィルタリングと選択のプロセスには時間がかかり、顧客に洞察を提供するSearchmetricsの機能が遅くなりました。

このプロセスを改善するために、Searchmetricsは、自然言語処理（NLP）を使用して特定の検索トピックの意図を理解し、関連性によって潜在的なキーワードの目に見えないリストを自動的にランク付けできるAIソリューションを構築しようとしました。

SageMakerとHuggingFaceを使用して、高度なNLP機能をすばやく構築する

これを解決するために、Searchmetricsのエンジニアリングチームは、開発者とデータサイエンティストがMLモデルをすばやく簡単に構築、トレーニング、デプロイできるようにするエンドツーエンドの機械学習（ML）プラットフォームであるSageMakerに目を向けました。

SageMakerは、MLビルドプロセスを簡素化することにより、MLワークロードのデプロイを加速します。フルマネージドインフラストラクチャ上に幅広いML機能のセットを提供します。これにより、MLの開発を妨げることが多い未分化の重労働が取り除かれます。

Searchmetricsは、ML開発プロセスのすべてのステップで提供されるすべての機能を理由にSageMakerを選択しました。

セージメーカーノートPC Searchmetricsチームは、完全に管理されたML開発環境をすばやく起動し、データの前処理を実行し、さまざまなアプローチを試すことができました。
　バッチ変換 SageMakerの機能により、Searchmetricsは推論ペイロードを効率的に一括処理できるだけでなく、本番環境で既存のWebサービスに簡単に統合できます。

Searchmetricsは、SageMakerとSageMakerのネイティブ統合にも特に関心がありました。ハグ顔、人気のあるトランスフォーマーライブラリを介して7,000以上の事前トレーニングされた言語モデルに簡単にアクセスできるエキサイティングなNLPスタートアップ。

SageMakerは、専用のHugging Face推定器を介して、HuggingFaceとの直接統合を提供します。 SageMaker SDK。これにより、フルマネージドのSageMakerインフラストラクチャでHuggingFaceモデルを簡単に実行できます。

この統合により、Searchmetricsはさまざまなモデルとアプローチをテストおよび実験して、ユースケースに対して最もパフォーマンスの高いアプローチを見つけることができました。

最終的なソリューションは、ゼロショット分類パイプラインを使用して、最も関連性の高いキーワードを識別します。さまざまな事前トレーニング済みモデルとクエリ戦略が評価されました。 facebook / bart-large-mnli 最も有望な結果を提供します。

AWSを使用して運用効率を改善し、新しいイノベーションの機会を見つける

SageMakerとHuggingFaceとのネイティブ統合により、Searchmetricsは、特定のトピックを理解し、関連性に基づいてキーワードの見えないリストを正確にランク付けできるNLPソリューションを構築、トレーニング、およびデプロイすることができました。 SageMakerが提供するツールセットにより、実験とデプロイが簡単になりました。

Searchmetricsの既存の内部ツールと統合すると、このAI機能により、人間のアナリストが仕事を完了するのにかかる時間が平均20％短縮されました。これにより、スループットが向上し、ユーザーエクスペリエンスが向上し、新規ユーザーのオンボーディングが高速化されました。

この最初の成功は、Searchmetricsの検索アナリストの運用パフォーマンスを改善しただけでなく、SearchmetricsがビジネスでAIを使用してより包括的な自動化ソリューションを展開するためのより明確な道筋を描くのにも役立ちました。

これらのエキサイティングな新しいイノベーションの機会は、Searchmetricsがインサイト機能を継続的に改善するのに役立ち、また、顧客が非常に競争の激しい検索環境で先を行き続けることを保証するのにも役立ちます。

さらに、Hugging FaceとAWSは、2022年の初めに、SageMakerでのHuggingFaceモデルのトレーニングをさらに容易にするパートナーシップを発表しました。この機能は、HuggingFaceの開発を通じて利用できます。 AWS深層学習コンテナ（DLC）。これらのコンテナには、Hugging Face Transformers、Tokenizers、およびDatasetsライブラリが含まれており、これらのリソースをトレーニングや推論のジョブに使用できます。

利用可能なDLC画像のリストについては、利用可能を参照してくださいディープラーニングコンテナーの画像、セキュリティパッチで維持および定期的に更新されます。これらのDLCとフェイスPythonSDKを抱き締める以下では GitHubレポ.

にアクセスして、AI/MLで革新する能力を加速する方法の詳細をご覧ください AmazonSageMaker入門、レビューして実践的な学習コンテンツを取得する AmazonSageMaker開発者向けリソース、または訪問 AmazonSageMakerで顔を抱き締める.