키친 타월과 같은 일상용품을 구매하든 자동차 구매와 같은 중요한 구매를 하든, 쇼핑 과정에서 정보에 입각한 결정을 내리기 위해 점점 더 많은 고객이 제품 리뷰를 확인하고 있습니다. 이러한 리뷰는 쇼핑객이 다른 고객의 의견과 경험에 액세스할 수 있도록 하는 필수 정보 소스로 변모했습니다. 결과적으로 제품 리뷰는 구매 결정을 알리는 데 도움이 되는 귀중한 피드백과 통찰력을 제공하는 모든 매장의 중요한 측면이 되었습니다.
Amazon은 수억 개의 항목을 사용할 수 있는 가장 큰 매장 중 하나를 보유하고 있습니다. 2022년에는 125억 1.5만 명의 고객이 아마존 매장에 거의 XNUMX억 건의 리뷰와 평가를 제공하여 아마존 온라인 리뷰가 고객을 위한 견고한 피드백 소스가 되었습니다. 매달 제출되는 제품 리뷰의 규모에서 이러한 리뷰가 다음과 일치하는지 확인하는 것이 필수적입니다. Amazon 커뮤니티 지침 허용되는 언어, 단어, 비디오 및 이미지에 대해. 이 관행은 고객이 제품에 대한 정확한 정보를 받도록 보장하고 리뷰에 부적절한 언어, 공격적인 이미지 또는 개인이나 커뮤니티를 향한 모든 유형의 증오심 표현이 포함되지 않도록 하기 위해 마련되었습니다. 이러한 지침을 시행함으로써 Amazon은 모든 고객을 위해 안전하고 포용적인 환경을 유지할 수 있습니다.
콘텐츠 조정 자동화를 통해 Amazon은 높은 정확도를 유지하면서 프로세스를 확장할 수 있습니다. 고유한 문제가 있고 텍스트, 이미지 및 비디오에 대해 서로 다른 기술이 필요한 복잡한 문제 공간입니다. 이미지는 제품 리뷰의 관련 구성 요소이며 종종 텍스트보다 고객에게 더 즉각적인 영향을 미칩니다. 와 함께 Amazon Rekognition 콘텐츠 조정, Amazon은 더 높은 정확도로 제품 리뷰에서 유해한 이미지를 자동으로 감지할 수 있으므로 이러한 콘텐츠를 조정하기 위해 인간 리뷰어에 대한 의존도를 줄입니다. Rekognition Content Moderation은 인간 중재자의 웰빙을 개선하고 상당한 비용 절감을 달성하는 데 도움이 되었습니다.
자체 호스팅 ML 모델로 조정
Amazon Shopping 팀은 제품 리뷰가 제품에 대한 고객 경험에 관한 것이며 부적절하거나 부적절한 내용이 포함되지 않도록 하기 위해 HITL(인간 참여형 루프) 검토와 함께 기계 학습(ML)을 사용하는 중재 시스템을 설계 및 구현했습니다. 커뮤니티 가이드라인에 따라 유해한 콘텐츠. 다음 다이어그램에 표시된 대로 이미지 조정 하위 시스템은 Amazon 지침을 위반하는 이미지를 감지하기 위해 여러 자체 호스팅 및 자체 교육 컴퓨터 비전 모델을 활용했습니다. 결정 핸들러는 조정 작업을 결정하고 ML 모델의 출력을 기반으로 결정 이유를 제공하여 이미지가 인간 조정자의 추가 검토가 필요한지 또는 자동으로 승인 또는 거부될 수 있는지 여부를 결정합니다.
이러한 자체 호스팅 ML 모델을 사용하여 팀은 검토의 일부로 수신된 이미지의 40%에 대한 결정을 자동화하는 것으로 시작했으며 몇 가지 문제에 직면하면서 수년 동안 솔루션을 개선하기 위해 지속적으로 노력했습니다.
- 자동화율 향상을 위한 지속적인 노력 – 팀은 자동화 비율을 높이는 것을 목표로 ML 알고리즘의 정확도를 개선하고자 했습니다. 이를 위해서는 모델 교육 및 배포를 위한 데이터 레이블 지정, 데이터 과학 및 MLOps에 대한 지속적인 투자가 필요합니다.
- 시스템 복잡성 – 아키텍처 복잡성으로 인해 ML 추론 프로세스가 증가하는 콘텐츠 제출 트래픽을 충족하도록 효율적으로 확장되도록 MLOps에 대한 투자가 필요합니다.
자체 호스팅 ML 모델을 Rekognition Content Moderation API로 교체
아마존 인식 API 인터페이스를 통해 사전 학습된 모델을 제공하는 관리형 인공 지능(AI) 서비스입니다. 이미지 및 비디오 조정. 전자 상거래, 소셜 미디어, 게임, 온라인 데이트 앱 등의 산업에서 사용자 생성 콘텐츠(UGC)를 조정하기 위해 널리 채택되었습니다. 여기에는 제품 리뷰, 사용자 프로필, 소셜 미디어 게시물 조정과 같은 다양한 콘텐츠 유형이 포함됩니다.
Rekognition Content Moderation은 ML 경험 없이도 이미지 및 비디오 조정 워크플로를 자동화하고 간소화합니다. Amazon Rekognition 고객은 완벽하게 관리되는 API와 사용자 지정 가능한 조정 규칙을 통해 부적절하거나 원치 않는 콘텐츠를 효율적으로 감지하여 수백만 개의 이미지와 비디오를 처리하여 사용자를 안전하게 보호하고 비즈니스 규정을 준수할 수 있습니다.
팀은 NSFW(Nudity and Not Safe for Work) 콘텐츠 감지를 위해 이미지 조정 시스템에서 자체 관리형 ML 모델의 하위 집합을 Amazon Rekognition Detect Moderation API로 성공적으로 마이그레이션하여 매우 정확하고 포괄적인 사전 훈련된 조정 모델을 활용했습니다. . Amazon Rekognition의 높은 정확도를 통해 팀은 더 많은 의사 결정을 자동화하고 비용을 절감하며 시스템 아키텍처를 단순화할 수 있었습니다.
정확도 향상 및 조정 범주 확장
의 구현 Amazon Rekognition 이미지 조정 API 부적절한 콘텐츠 감지에 대한 정확도가 높아졌습니다. 이는 연간 약 1만 개의 추가 이미지가 사람의 검토 없이 자동으로 조정됨을 의미합니다.
운영 효율성
Amazon Shopping 팀은 시스템 아키텍처를 단순화하여 시스템 관리 및 유지에 필요한 운영 노력을 줄일 수 있었습니다. 이 접근 방식을 통해 연간 DevOps 노력을 몇 개월 절약할 수 있었습니다. 즉, 이제 운영 작업에 시간을 소비하는 대신 혁신적인 기능을 개발하는 데 시간을 할당할 수 있습니다.
비용 절감
Rekognition Content Moderation의 높은 정확도 덕분에 팀은 부적절할 가능성이 있는 콘텐츠를 포함하여 사람이 검토할 이미지를 더 적게 보낼 수 있습니다. 이를 통해 사람의 중재와 관련된 비용이 감소하고 중재자가 보다 가치 있는 비즈니스 작업에 노력을 집중할 수 있습니다. DevOps 효율성 향상과 결합하여 Amazon Shopping 팀은 상당한 비용 절감을 달성했습니다.
결론
자체 호스팅 ML 모델에서 제품 검토 중재를 위해 Amazon Rekognition Moderation API로 마이그레이션하면 상당한 비용 절감을 포함하여 기업에 많은 이점을 제공할 수 있습니다. 조정 프로세스를 자동화함으로써 온라인 상점은 많은 양의 제품 리뷰를 빠르고 정확하게 조정할 수 있으므로 부적절하거나 스팸 콘텐츠를 신속하게 제거하여 고객 경험을 개선할 수 있습니다. 또한 회사는 Amazon Rekognition Moderation API와 같은 관리형 서비스를 사용하여 자체 모델을 개발하고 유지 관리하는 데 필요한 시간과 리소스를 줄일 수 있으며, 이는 기술 리소스가 제한된 비즈니스에 특히 유용할 수 있습니다. API의 유연성을 통해 온라인 상점은 특정 요구 사항에 맞게 조정 규칙 및 임계값을 사용자 정의할 수 있습니다.
전단지에 포함된 링크에 대해 더 알아보기 AWS의 콘텐츠 조정 & 콘텐츠 조정 ML 사용 사례. 향해 첫발을 내딛다 AWS로 콘텐츠 조정 작업 간소화.
저자에 관하여
시프라 카노리아 AWS의 수석 제품 관리자입니다. 그녀는 기계 학습 및 인공 지능의 힘으로 고객이 가장 복잡한 문제를 해결하도록 돕는 데 열정적입니다. AWS에 합류하기 전에 Shipra는 Amazon Alexa에서 4년 이상 근무하면서 Alexa 음성 비서에서 많은 생산성 관련 기능을 출시했습니다.
루카 아고스티노 루비노 Amazon Shopping 팀의 수석 소프트웨어 엔지니어입니다. 그는 고객 리뷰 및 Q&A와 같은 커뮤니티 기능을 담당하며 수년간 콘텐츠 조정과 기계 학습 솔루션의 확장 및 자동화에 중점을 둡니다.
장라나 콘텐츠 조정, 컴퓨터 비전, 자연어 처리 및 생성 AI를 위한 AI 및 ML을 전문으로 하는 AWS WWSO AI 서비스 팀의 선임 솔루션 아키텍트입니다. 그녀는 전문 지식을 바탕으로 AWS AI/ML 솔루션을 홍보하고 고객이 소셜 미디어, 게임, 전자 상거래, 미디어, 광고 및 마케팅을 포함한 다양한 산업에서 비즈니스 솔루션을 혁신하도록 지원하는 데 전념하고 있습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 차트프라임. ChartPrime으로 트레이딩 게임을 향상시키십시오. 여기에서 액세스하십시오.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- :있다
- :이다
- :아니
- :어디
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- 할 수 있는
- 소개
- 허용
- ACCESS
- 정확한
- 정확히
- 달성
- 달성
- 가로질러
- 동작
- 추가
- 또한
- 채택
- 이점
- 광고
- AI
- AI 서비스
- AI / ML
- 조준
- 알렉사
- 알고리즘
- 일직선으로하다
- All
- 할당
- 수
- 수
- 또한
- 아마존
- 아마존 인식
- Amazon Web Services
- an
- 및
- 어떤
- API를
- API
- 접근
- 인가 된
- 근접한
- 앱
- 아키텍처
- 있군요
- 인조의
- 인공 지능
- 인공 지능(AI)
- AS
- 양상
- 조수
- 돕는
- 관련
- At
- 자동화
- 오토마타
- 자동적으로
- 자동화
- 자동화
- 가능
- AWS
- 기반으로
- BE
- 가
- 된
- 전에
- 혜택
- 억원
- 사업
- 사업
- 구매
- by
- CAN
- 자동차
- 가지 경우
- 과제
- 결합 된
- 커뮤니티
- 커뮤니티
- 기업
- 복잡한
- 복잡성
- 준수
- 구성 요소
- 포괄적 인
- 컴퓨터
- 컴퓨터 비전
- 결합
- 포함하는
- 함유량
- 콘텐츠 유형
- 끊임없는
- 지속적으로
- 기여
- 비용
- 비용 절감
- 비용
- 수
- 결정적인
- 고객
- 고객 경험
- 고객
- 맞춤형
- 사용자 정의
- 데이터
- 데이터 과학
- 데이트
- 결정
- 결정
- 결정
- 전용
- 전개
- 설계
- 원하는
- 검색
- Detection System
- 결정하다
- 개발
- 개발
- 다른
- 몇몇의
- 말라
- 전자 상거래
- 전자 상거래
- 효율성
- 효율적으로
- 노력
- 노력
- 사용 가능
- 가능
- 시행
- 기사
- 확인
- 보장
- 환경
- 특히
- 필수
- 모든
- 일상의
- 확대하는
- 경험
- 체험
- 전문적 지식
- 마주보고
- 특징
- 피드백
- 적은
- 먼저,
- 맞게
- 유연성
- 초점
- 초점
- 수행원
- 럭셔리
- 에
- 충분히
- 추가
- 이익
- 노름
- 생성적인
- 제너레이티브 AI
- 성장하는
- 보증
- 가이드 라인
- 해로운
- 있다
- he
- 도움
- 도움
- 도움이
- 그녀의
- 높은
- 더 높은
- 고도로
- 방법
- HTML
- HTTPS
- 사람의
- 수백
- 수억
- 영상
- 형상
- 즉시
- 영향
- 이행
- 구현
- 개선
- 개선
- in
- 포함
- 포함
- 포함한
- 증가
- 더욱 더
- 개인
- 산업
- 통보
- 정보
- 정보
- 혁신적인
- 통찰력
- 를 받아야 하는 미국 여행자
- 인텔리전스
- 인터페이스
- 으로
- 투자
- IT
- 항목
- 그
- 가입
- 여행
- JPG
- 유지
- 유지
- 레이블링
- 언어
- 넓은
- 가장 큰
- 시작
- 배우기
- 처럼
- 제한된
- 기계
- 기계 학습
- 유지하다
- 주요한
- 확인
- 유튜브 영상을 만드는 것은
- 관리
- 관리
- 매니저
- .
- 마케팅
- 방법
- 미디어
- 소개
- 이주한
- 백만
- 수백만
- ML
- MLOps
- 모델
- 절도
- 달
- 개월
- 배우기
- 가장
- 여러
- 자연의
- 자연 언어 처리
- 거의
- 필요
- 필요
- 요구
- 지금
- NSFW
- of
- 공격
- 제공
- 제공
- 자주
- on
- ONE
- 온라인
- 운영
- 행정부
- 의견
- or
- 기타
- 기타
- 우리의
- 출력
- 위에
- 전체
- 자신의
- 부품
- 열렬한
- 용
- 장소
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 게시하다
- 잠재적으로
- 힘
- 연습
- 예방
- 교장
- 문제
- 문제
- 방법
- 처리
- 프로덕트
- 제품 관리자
- 제품 리뷰
- 프로필
- 홍보
- 제공
- 제공
- 제공
- 매수
- 구매
- 구입
- 빨리
- 범위
- 율
- 평가
- 이유
- 받다
- 접수
- 감소
- 감소
- 감소
- 에 관한
- 관련된
- 신뢰
- 제거됨
- 필수
- 필요
- 제품 자료
- 결과
- 리뷰
- 리뷰
- 규칙
- 가장 안전한 따뜻함
- 찜하기
- 저금
- 규모
- 저울
- 스케일링
- 과학
- 보내다
- 연장자
- 서비스
- 서비스
- 몇몇의
- 그녀
- 쇼핑
- 상당한
- 단순화
- 사회적
- 소셜 미디어
- 소프트웨어
- 소프트웨어 엔지니어
- 고체
- 해결책
- 솔루션
- 풀다
- 출처
- 스페이스 버튼
- 스팸
- 전문
- 구체적인
- 연설
- 지출
- 지출
- 시작
- 단계
- 저장
- 상점
- 제출
- 제출
- 성공적으로
- 이러한
- 체계
- 받아
- 복용
- 작업
- 팀
- 테크니컬
- 기법
- 보다
- 그
- XNUMXD덴탈의
- 그들의
- 그들
- 그것에 의하여
- Bowman의
- 그들
- 이
- 을 통하여
- 시간
- 에
- 에 대한
- 교통
- 트레이닝
- 변환
- 변화
- 선회
- 유형
- 유형
- 유일한
- 불필요한
- 사용
- 사용자
- 사용자
- 사용
- 사용
- 사용
- 가치 있는
- 확인
- Video
- 동영상
- 시력
- 목소리
- 볼륨
- 였다
- 웹
- 웹 서비스
- 여부
- 어느
- 동안
- 크게
- 의지
- 과
- 없이
- 말
- 작업
- 일
- 워크 플로우
- 일
- year
- 년
- 너의
- 제퍼 넷