Klanten wenden zich steeds vaker tot productrecensies om weloverwogen beslissingen te nemen tijdens hun winkeltraject, of ze nu alledaagse artikelen zoals een theedoek kopen of grote aankopen doen, zoals het kopen van een auto. Deze beoordelingen zijn uitgegroeid tot een essentiรซle informatiebron, waardoor shoppers toegang krijgen tot de meningen en ervaringen van andere klanten. Als gevolg hiervan zijn productrecensies een cruciaal aspect van elke winkel geworden en bieden ze waardevolle feedback en inzichten om aankoopbeslissingen te helpen onderbouwen.
Amazon heeft een van de grootste winkels met honderden miljoenen artikelen beschikbaar. In 2022 droegen 125 miljoen klanten bijna 1.5 miljard recensies en beoordelingen bij aan Amazon-winkels, waardoor online recensies bij Amazon een solide bron van feedback voor klanten werden. Op de schaal van productrecensies die elke maand worden ingediend, is het van essentieel belang om te verifiรซren dat deze beoordelingen overeenkomen Richtlijnen voor de Amazon-community met betrekking tot acceptabel taalgebruik, woorden, video's en afbeeldingen. Deze praktijk is ingevoerd om te garanderen dat klanten nauwkeurige informatie over het product ontvangen en om te voorkomen dat recensies ongepast taalgebruik, aanstootgevende beelden of enige vorm van haatzaaiende uitlatingen bevatten die gericht zijn tegen individuen of gemeenschappen. Door deze richtlijnen af โโte dwingen kan Amazon een veilige en inclusieve omgeving voor alle klanten behouden.
Door automatisering van contentmoderatie kan Amazon het proces schalen met behoud van een hoge nauwkeurigheid. Het is een complexe probleemruimte met unieke uitdagingen en waarvoor verschillende technieken voor tekst, afbeeldingen en video's nodig zijn. Afbeeldingen zijn een relevant onderdeel van productrecensies en hebben vaak een directere impact op klanten dan tekst. Met Contentmoderatie van Amazon RecognitionAmazon kan schadelijke afbeeldingen in productrecensies automatisch met een grotere nauwkeurigheid detecteren, waardoor de afhankelijkheid van menselijke recensenten om dergelijke inhoud te modereren wordt verminderd. Herkenning van inhoudsmoderatie heeft geholpen het welzijn van menselijke moderators te verbeteren en aanzienlijke kostenbesparingen te realiseren.
Moderatie met zelf-gehoste ML-modellen
Het Amazon Shopping-team heeft een moderatiesysteem ontworpen en geรฏmplementeerd dat machine learning (ML) gebruikt in combinatie met human-in-the-loop (HITL) beoordelingen om ervoor te zorgen dat productbeoordelingen gaan over de klantervaring met het product en geen ongepaste of schadelijke inhoud volgens de communityrichtlijnen. Het subsysteem voor beeldmoderatie, zoals geรฏllustreerd in het volgende diagram, maakte gebruik van meerdere zelfgehoste en zelfgetrainde computervisiemodellen om afbeeldingen te detecteren die de richtlijnen van Amazon schenden. De beslissingsbehandelaar bepaalt de moderatieactie en geeft redenen voor zijn beslissing op basis van de output van de ML-modellen, waarbij wordt beslist of het beeld een verdere beoordeling door een menselijke moderator vereist of automatisch kan worden goedgekeurd of afgewezen.
Met deze zelf-gehoste ML-modellen begon het team met het automatiseren van beslissingen over 40% van de afbeeldingen die werden ontvangen als onderdeel van de beoordelingen en werkte het door de jaren heen voortdurend aan het verbeteren van de oplossing, terwijl ze met verschillende uitdagingen werden geconfronteerd:
- Voortdurende inspanningen om het automatiseringspercentage te verbeteren โ Het team wilde de nauwkeurigheid van ML-algoritmen verbeteren, met als doel de automatiseringssnelheid te verhogen. Dit vereist voortdurende investeringen in datalabeling, datawetenschap en MLOps voor het trainen en inzetten van modellen.
- Systeemcomplexiteit โ De complexiteit van de architectuur vereist investeringen in MLOps om ervoor te zorgen dat het ML-inferentieproces efficiรซnt kan worden geschaald om tegemoet te komen aan het groeiende verkeer van inhoudinzendingen.
Vervang zelf-hostende ML-modellen door de Rekognition Content Moderation API
Amazon Rekognition is een beheerde dienst voor kunstmatige intelligentie (AI) die vooraf getrainde modellen aanbiedt via een API-interface voor beeld- en videomoderatie. Het is op grote schaal toegepast door sectoren zoals e-commerce, sociale media, gaming, online dating-apps en anderen om door gebruikers gegenereerde inhoud (UGC) te modereren. Dit omvat een reeks inhoudstypen, zoals productrecensies, gebruikersprofielen en moderatie van berichten op sociale media.
Rekognition Content Moderation automatiseert en stroomlijnt de workflows voor beeld- en videomoderatie zonder dat ML-ervaring vereist is. Klanten van Amazon Rekognition kunnen miljoenen afbeeldingen en video's verwerken, waardoor ongepaste of ongewenste inhoud efficiรซnt wordt gedetecteerd, met volledig beheerde API's en aanpasbare moderatieregels om gebruikers veilig te houden en het bedrijf aan de regels te houden.
Het team heeft met succes een subset van zelfbeheerde ML-modellen in het beeldmoderatiesysteem voor naaktheid en niet veilig voor werk (NSFW) contentdetectie gemigreerd naar de Amazon Rekognition Detect Moderation API, waarbij gebruik werd gemaakt van de zeer nauwkeurige en uitgebreide, vooraf getrainde moderatiemodellen . Dankzij de hoge nauwkeurigheid van Amazon Rekognition heeft het team meer beslissingen kunnen automatiseren, kosten kunnen besparen en hun systeemarchitectuur kunnen vereenvoudigen.
Verbeterde nauwkeurigheid en uitgebreide moderatiecategorieรซn
De implementatie van de Amazon Rekognition-API voor beeldmoderatie heeft geresulteerd in een hogere nauwkeurigheid bij het detecteren van ongepaste inhoud. Dit houdt in dat ongeveer 1 miljoen extra afbeeldingen per jaar automatisch worden gemodereerd zonder dat er menselijke beoordeling nodig is.
Operationele uitmuntendheid
Het Amazon Shopping-team kon de systeemarchitectuur vereenvoudigen, waardoor de operationele inspanning die nodig was om het systeem te beheren en te onderhouden, werd verminderd. Deze aanpak heeft hen maanden aan DevOps-inspanningen per jaar bespaard, wat betekent dat ze hun tijd nu kunnen besteden aan het ontwikkelen van innovatieve functies in plaats van deze te besteden aan operationele taken.
Kostenreductie
Dankzij de hoge nauwkeurigheid van Rekognition Content Moderation heeft het team minder afbeeldingen kunnen verzenden voor menselijke beoordeling, inclusief mogelijk ongepaste inhoud. Dit heeft de kosten die gepaard gaan met menselijke moderatie verlaagd en moderators in staat gesteld hun inspanningen te richten op waardevollere zakelijke taken. Gecombineerd met de efficiรซntiewinsten uit DevOps heeft het Amazon Shopping-team aanzienlijke kostenbesparingen gerealiseerd.
Conclusie
Het migreren van zelfgehoste ML-modellen naar de Amazon Rekognition Moderation API voor het modereren van productrecensies kan bedrijven veel voordelen opleveren, waaronder aanzienlijke kostenbesparingen. Door het moderatieproces te automatiseren, kunnen online winkels snel en nauwkeurig grote hoeveelheden productrecensies modereren, waardoor de klantervaring wordt verbeterd door ervoor te zorgen dat ongepaste inhoud of spam-inhoud snel wordt verwijderd. Bovendien kunnen bedrijven, door gebruik te maken van een beheerde service zoals de Amazon Rekognition Moderation API, de tijd en middelen verminderen die nodig zijn om hun eigen modellen te ontwikkelen en te onderhouden, wat vooral nuttig kan zijn voor bedrijven met beperkte technische middelen. Dankzij de flexibiliteit van de API kunnen online winkels hun moderatieregels en -drempels aanpassen aan hun specifieke behoeften.
Lees verder over inhoudsmoderatie op AWS en onze inhoudsmoderatie ML-gebruiksscenario's. Zet de eerste stap naar het stroomlijnen van uw contentmoderatieactiviteiten met AWS.
Over de auteurs
Shipra Kanoria is Principal Product Manager bij AWS. Ze is gepassioneerd om klanten te helpen bij het oplossen van hun meest complexe problemen met de kracht van machine learning en kunstmatige intelligentie. Voordat ze bij AWS kwam, werkte Shipra meer dan 4 jaar bij Amazon Alexa, waar ze veel productiviteitsgerelateerde functies op de Alexa-spraakassistent lanceerde.
Luca Agostino Rubino is een Principal Software Engineer in het Amazon Shopping-team. Hij werkt aan communityfuncties zoals klantrecensies en vragen en antwoorden, waarbij hij zich door de jaren heen concentreert op contentmoderatie en op het schalen en automatiseren van Machine Learning-oplossingen.
Lana Zhang is een Senior Solutions Architect bij het AWS WWSO AI Services-team, gespecialiseerd in AI en ML voor contentmoderatie, computervisie, natuurlijke taalverwerking en generatieve AI. Met haar expertise is ze toegewijd aan het promoten van AWS AI/ML-oplossingen en het helpen van klanten bij het transformeren van hun zakelijke oplossingen in diverse sectoren, waaronder sociale media, gaming, e-commerce, media, reclame en marketing.
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
- PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
- PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
- Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
- ChartPrime. Verhoog uw handelsspel met ChartPrime. Toegang hier.
- BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
- Bron: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- : heeft
- :is
- :niet
- :waar
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- in staat
- Over
- aanvaardbaar
- toegang
- nauwkeurigheid
- accuraat
- nauwkeurig
- Bereiken
- bereikt
- over
- Actie
- Extra
- Daarnaast
- aangenomen
- Voordeel
- ADVERTISING
- AI
- AI-diensten
- AI / ML
- het richten
- Alexa
- algoritmen
- richten
- Alles
- toewijzen
- toegestaan
- toestaat
- ook
- Amazone
- Amazon Rekognition
- Amazon Web Services
- an
- en
- elke
- api
- APIs
- nadering
- goedgekeurd
- benaderend
- apps
- architectuur
- ZIJN
- kunstmatig
- kunstmatige intelligentie
- Kunstmatige intelligentie (AI)
- AS
- verschijning
- Assistent
- bijstaan
- geassocieerd
- At
- automatiseren
- automaten
- webmaster.
- automatiseren
- Automatisering
- Beschikbaar
- AWS
- gebaseerde
- BE
- worden
- geweest
- vaardigheden
- betekent
- Miljard
- bedrijfsdeskundigen
- ondernemingen
- Buying
- by
- CAN
- auto
- gevallen
- uitdagingen
- gecombineerde
- Gemeenschappen
- gemeenschap
- Bedrijven
- complex
- ingewikkeldheid
- compliant
- bestanddeel
- uitgebreid
- computer
- Computer visie
- samenwerking
- bevatten
- content
- Inhoudstypen
- doorlopend
- doorlopend
- bijgedragen
- Kosten
- kostenbesparingen
- Kosten
- kon
- cruciaal
- klant
- klantervaring
- Klanten
- aanpasbare
- aan te passen
- gegevens
- data science
- dating
- Beslissen
- beslissing
- beslissingen
- toegewijd aan
- inzet
- ontworpen
- gewenste
- opsporen
- Opsporing
- bepaalt
- ontwikkelen
- het ontwikkelen van
- anders
- diversen
- Dont
- e-commerce
- ecommerce
- doeltreffendheid
- efficiรซnt
- inspanning
- inspanningen
- ingeschakeld
- waardoor
- afdwingen
- ingenieur
- verzekeren
- zorgen
- Milieu
- vooral
- essentieel
- Alle
- alledaags
- uitgebreid
- ervaring
- Ervaringen
- expertise
- naar
- Voordelen
- feedback
- minder
- Voornaam*
- geschikt
- Flexibiliteit
- Focus
- gericht
- volgend
- Voor
- oppompen van
- geheel
- verder
- verdiensten
- gaming
- generatief
- generatieve AI
- Groeiend
- garantie
- richtlijnen
- schadelijk
- Hebben
- he
- hulp
- geholpen
- het helpen van
- haar
- Hoge
- hoger
- zeer
- Hoe
- HTML
- HTTPS
- menselijk
- Honderden
- honderdmiljoenen
- beeld
- afbeeldingen
- Onmiddellijk
- Impact
- uitvoering
- geรฏmplementeerd
- verbeteren
- het verbeteren van
- in
- omvat
- Inclusief
- inclusief
- Laat uw omzet
- in toenemende mate
- individuen
- industrieรซn
- informeren
- informatie
- op de hoogte
- innovatieve
- inzichten
- verkrijgen in plaats daarvan
- Intelligentie
- Interface
- in
- Investeringen
- IT
- artikelen
- HAAR
- aansluiting
- jpg
- Houden
- houden
- etikettering
- taal
- Groot
- grootste
- gelanceerd
- leren
- als
- Beperkt
- machine
- machine learning
- onderhouden
- groot
- maken
- maken
- beheer
- beheerd
- manager
- veel
- Marketing
- middel
- Media
- Maak kennis met
- gemigreerd
- miljoen
- miljoenen
- ML
- MLops
- modellen
- gematigdheid
- Maand
- maanden
- meer
- meest
- meervoudig
- Naturel
- Natural Language Processing
- bijna
- Noodzaak
- nodig
- behoeften
- nu
- NSFW
- of
- aanvallend
- het aanbieden van
- Aanbod
- vaak
- on
- EEN
- online.
- operationele
- Operations
- Meningen
- or
- Overige
- Overig
- onze
- uitgang
- over
- totaal
- het te bezitten.
- deel
- hartstochtelijk
- voor
- plaats
- Plato
- Plato gegevensintelligentie
- PlatoData
- Post
- mogelijk
- energie
- praktijk
- voorkomen
- Principal
- probleem
- problemen
- verwerking
- Product
- product manager
- Product-reviews
- Profielen
- Het bevorderen van
- zorgen voor
- biedt
- het verstrekken van
- inkomsten
- aankopen
- de aankoop van
- snel
- reeks
- tarief
- waarderingen
- redenen
- ontvangen
- ontvangen
- verminderen
- Gereduceerd
- vermindering
- met betrekking tot
- relevante
- vertrouwen
- verwijderd
- nodig
- vereist
- Resources
- resultaat
- beoordelen
- Recensies
- reglement
- veilig
- Bespaar
- Bespaar geld
- Scale
- balans
- scaling
- Wetenschap
- sturen
- senior
- service
- Diensten
- verscheidene
- ze
- Winkelen
- aanzienlijke
- vereenvoudigen
- Social
- social media
- Software
- Software Engineer
- solide
- oplossing
- Oplossingen
- OPLOSSEN
- bron
- Tussenruimte
- spam
- gespecialiseerd
- specifiek
- toespraak
- Uitgaven
- besteed
- gestart
- Stap voor
- shop
- winkels
- voorlegging
- ingediend
- Met goed gevolg
- dergelijk
- system
- Nemen
- het nemen
- taken
- team
- Technisch
- technieken
- neem contact
- dat
- De
- hun
- Ze
- daarbij
- Deze
- ze
- dit
- Door
- niet de tijd of
- naar
- in de richting van
- verkeer
- Trainingen
- getransformeerd
- transformeren
- Draai
- type dan:
- types
- unieke
- ongewenste
- .
- Gebruiker
- gebruikers
- toepassingen
- gebruik
- gebruikt
- waardevol
- controleren
- Video
- Video's
- visie
- Stem
- volumes
- was
- web
- webservices
- of
- welke
- en
- wijd
- wil
- Met
- zonder
- woorden
- Mijn werk
- werkte
- workflows
- Bedrijven
- jaar
- jaar
- Your
- zephyrnet