Hoe Searchmetrics Amazon SageMaker gebruikt om automatisch relevante zoekwoorden te vinden en hun menselijke analisten 20% sneller te maken PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Hoe Searchmetrics Amazon SageMaker gebruikt om automatisch relevante zoekwoorden te vinden en hun menselijke analisten 20% sneller te maken

Tijdstempel: 28 april 2022 1:33 uur

Searchmetrics is een wereldwijde leverancier van zoekgegevens, software en adviesoplossingen, die klanten helpt zoekgegevens om te zetten in unieke zakelijke inzichten. Tot op heden heeft Searchmetrics meer dan 1,000 bedrijven zoals McKinsey & Company, Lowe's en AXA geholpen om een ​​voordeel te vinden in het hypercompetitieve zoeklandschap.

In 2021 wendde Searchmetrics zich tot AWS om te helpen met het gebruik van kunstmatige intelligentie (AI) om hun zoekinzichten verder te verbeteren.

In dit bericht delen we hoe Searchmetrics een AI-oplossing heeft gebouwd die de efficiëntie van het menselijke personeelsbestand met 20% verhoogde door automatisch relevante zoekwoorden voor een bepaald onderwerp te vinden, met behulp van Amazon Sage Maker en de native integratie met Hugging Face.

Hoe Searchmetrics Amazon SageMaker gebruikt om automatisch relevante zoekwoorden te vinden en hun menselijke analisten 20% sneller te maken PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai. “Amazon SageMaker maakte het een fluitje van een cent om de ultramoderne NLP-modellen van Hugging Face te evalueren en te integreren in onze systemen.
De oplossing die we hebben gebouwd, maakt ons efficiënter en verbetert onze gebruikerservaring aanzienlijk.”– Ioannis Foukarakis, hoofd gegevens, zoekmetriek

AI gebruiken om relevantie te identificeren uit een lijst met zoekwoorden

Een belangrijk onderdeel van het inzichtenaanbod van Searchmetrics is de mogelijkheid om de meest relevante zoekwoorden voor een bepaald onderwerp of zoekintentie te identificeren.

Om dit te doen, heeft Searchmetrics een team van analisten die de potentiële relevantie van bepaalde zoekwoorden beoordelen op basis van een specifiek seed-woord. Analisten gebruiken een interne tool om een ​​trefwoord binnen een bepaald onderwerp en een gegenereerde lijst met mogelijk gerelateerde trefwoorden te beoordelen, en ze moeten vervolgens een of meer gerelateerde trefwoorden selecteren die relevant zijn voor dat onderwerp.

Dit handmatige filter- en selectieproces was tijdrovend en vertraagde het vermogen van Searchmetrics om inzichten aan zijn klanten te leveren.

Om dit proces te verbeteren, probeerde Searchmetrics een AI-oplossing te bouwen die natuurlijke taalverwerking (NLP) zou kunnen gebruiken om de bedoeling van een bepaald zoekonderwerp te begrijpen en automatisch een onzichtbare lijst met potentiële zoekwoorden te rangschikken op relevantie.

SageMaker en Hugging Face gebruiken om snel geavanceerde NLP-mogelijkheden te bouwen

Om dit op te lossen, wendde het technische team van Searchmetrics zich tot SageMaker, een end-to-end platform voor machine learning (ML) waarmee ontwikkelaars en datawetenschappers snel en eenvoudig ML-modellen kunnen bouwen, trainen en implementeren.

SageMaker versnelt de implementatie van ML-workloads door het ML-buildproces te vereenvoudigen. Het biedt een brede reeks ML-mogelijkheden bovenop een volledig beheerde infrastructuur. Dit verwijdert het ongedifferentieerde zware werk dat de ontwikkeling van ML te vaak belemmert.

Searchmetrics koos voor SageMaker vanwege het volledige scala aan mogelijkheden dat het bood bij elke stap van het ML-ontwikkelingsproces:

  • SageMaker laptops stelde het Searchmetrics-team in staat om snel volledig beheerde ML-ontwikkelomgevingen op te zetten, gegevensvoorverwerking uit te voeren en te experimenteren met verschillende benaderingen
  • De batch-transformatie mogelijkheden in SageMaker stelden Searchmetrics in staat om zijn inferentie-payloads efficiënt in bulk te verwerken en eenvoudig te integreren in zijn bestaande webservice in productie

Searchmetrics was ook bijzonder geïnteresseerd in de native integratie van SageMaker met Gezicht knuffelen, een opwindende NLP-startup die gemakkelijke toegang biedt tot meer dan 7,000 vooraf getrainde taalmodellen via de populaire Transformers-bibliotheek.

SageMaker biedt een directe integratie met Hugging Face via een speciale Hugging Face-schatter in de SageMaker-SDK. Dit maakt het gemakkelijk om Hugging Face-modellen te draaien op de volledig beheerde SageMaker-infrastructuur.

Met deze integratie was Searchmetrics in staat om een ​​reeks verschillende modellen en benaderingen te testen en ermee te experimenteren om de best presterende benadering voor hun gebruiksgeval te vinden.

De eindoplossing maakt gebruik van een zero-shot classificatiepijplijn om de meest relevante zoekwoorden te identificeren. Verschillende vooraf getrainde modellen en zoekstrategieën werden geëvalueerd, met: facebook/bart-groot-mnli de meest veelbelovende resultaten opleveren.

AWS gebruiken om de operationele efficiëntie te verbeteren en nieuwe innovatiemogelijkheden te vinden

Met SageMaker en zijn native integratie met Hugging Face, was Searchmetrics in staat om een ​​NLP-oplossing te bouwen, trainen en implementeren die een bepaald onderwerp kon begrijpen en een ongeziene lijst met zoekwoorden nauwkeurig kon rangschikken op basis van hun relevantie. De toolset van SageMaker maakte het gemakkelijker om te experimenteren en te implementeren.

Wanneer geïntegreerd met de bestaande interne tool van Searchmetrics, leverde deze AI-mogelijkheid een gemiddelde reductie van 20% op in de tijd die menselijke analisten nodig hebben om hun werk te voltooien. Dit resulteerde in een hogere doorvoer, verbeterde gebruikerservaring en snellere onboarding van nieuwe gebruikers.

Dit aanvankelijke succes heeft niet alleen de operationele prestaties van de zoekanalisten van Searchmetrics verbeterd, maar heeft Searchmetrics ook geholpen om een ​​duidelijker pad uit te stippelen voor de implementatie van uitgebreidere automatiseringsoplossingen met behulp van AI in zijn bedrijf.

Deze opwindende nieuwe innovatiemogelijkheden helpen Searchmetrics om hun inzichtsmogelijkheden te blijven verbeteren en helpen hen er ook voor te zorgen dat klanten voorop blijven lopen in het hyperconcurrerende zoeklandschap.

Daarnaast hebben Hugging Face en AWS eerder in 2022 een samenwerking aangekondigd die het nog makkelijker maakt om Hugging Face-modellen op SageMaker te trainen. Deze functionaliteit is beschikbaar door de ontwikkeling van Hugging Face AWS diepe leercontainers (DLC's). Deze containers omvatten Hugging Face Transformers, Tokenizers en de Datasets-bibliotheek, waardoor we deze bronnen kunnen gebruiken voor trainings- en inferentietaken.

Voor een lijst met beschikbare DLC-afbeeldingen, zie available Afbeeldingen van Deep Learning Containers, die worden onderhouden en regelmatig worden bijgewerkt met beveiligingspatches. Je kunt veel voorbeelden vinden van hoe je Hugging Face-modellen kunt trainen met deze DLC's en de Knuffelend gezicht Python SDK in de volgende GitHub repo.

Ga voor meer informatie over hoe u uw vermogen om te innoveren met AI/ML kunt versnellen naar Aan de slag met Amazon SageMaker, praktische leerinhoud krijgen door de Bronnen voor Amazon SageMaker-ontwikkelaars, of op bezoek Gezicht knuffelen op Amazon SageMaker.

Over de auteur

Hoe Searchmetrics Amazon SageMaker gebruikt om automatisch relevante zoekwoorden te vinden en hun menselijke analisten 20% sneller te maken PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.Daniël Burke is de Europese leider voor AI en ML in de Private Equity-groep bij AWS. Daniel werkt rechtstreeks samen met Private Equity-fondsen en hun portfoliobedrijven, waardoor ze hun AI- en ML-acceptatie kunnen versnellen om innovatie te verbeteren en de bedrijfswaarde te vergroten.

Tijdstempel:

Meer van AWS-machine learning