W jaki sposób Searchmetrics wykorzystuje Amazon SageMaker do automatycznego znajdowania odpowiednich słów kluczowych i przyspieszania analityków o 20%

Searchmetrics to globalny dostawca danych wyszukiwania, oprogramowania i rozwiązań konsultingowych, który pomaga klientom przekształcać dane wyszukiwania w unikalne informacje biznesowe. Do tej pory Searchmetrics pomogło ponad 1,000 firmom, takim jak McKinsey & Company, Lowe's i AXA, znaleźć przewagę w niezwykle konkurencyjnym środowisku wyszukiwania.

W 2021 r. Searchmetrics zwrócił się do AWS, aby pomóc w wykorzystaniu sztucznej inteligencji (AI), aby jeszcze bardziej poprawić swoje możliwości analizy wyszukiwania.

W tym poście dzielimy się tym, w jaki sposób Searchmetrics zbudował rozwiązanie AI, które zwiększyło wydajność swoich pracowników o 20%, automatycznie znajdując odpowiednie słowa kluczowe wyszukiwania dla dowolnego tematu, używając Amazon Sage Maker i jego natywną integrację z Hugging Face.

Wykorzystanie AI do identyfikacji trafności z listy słów kluczowych

Kluczową częścią oferty Searchmetrics jest jej zdolność do identyfikowania najbardziej odpowiednich słów kluczowych wyszukiwania dla danego tematu lub zamiaru wyszukiwania.

Aby to zrobić, Searchmetrics ma zespół analityków oceniających potencjalną trafność niektórych słów kluczowych dla określonego słowa źródłowego. Analitycy używają wewnętrznego narzędzia do przeglądania słowa kluczowego w ramach danego tematu i wygenerowanej listy potencjalnie powiązanych słów kluczowych, a następnie muszą wybrać jedno lub więcej powiązanych słów kluczowych, które są istotne dla danego tematu.

Ten proces ręcznego filtrowania i selekcji był czasochłonny i spowolnił zdolność Searchmetrics do dostarczania wglądu swoim klientom.

Aby usprawnić ten proces, Searchmetrics starało się zbudować rozwiązanie AI, które mogłoby wykorzystywać przetwarzanie języka naturalnego (NLP), aby zrozumieć intencję danego tematu wyszukiwania i automatycznie klasyfikować niewidoczną listę potencjalnych słów kluczowych według trafności.

Używanie SageMaker i Hugging Face do szybkiego budowania zaawansowanych funkcji NLP

Aby rozwiązać ten problem, zespół inżynierów Searchmetrics zwrócił się do SageMaker, kompleksowej platformy uczenia maszynowego (ML), która pomaga programistom i analitykom danych szybko i łatwo budować, szkolić i wdrażać modele ML.

SageMaker przyspiesza wdrażanie obciążeń ML poprzez uproszczenie procesu kompilacji ML. Zapewnia szeroki zestaw możliwości ML w uzupełnieniu w pełni zarządzanej infrastruktury. Eliminuje to niezróżnicowane podnoszenie ciężarów, które zbyt często utrudnia rozwój ML.

Searchmetrics wybrał SageMaker ze względu na pełen zakres możliwości, jakie zapewniał na każdym etapie procesu rozwoju ML:

• SageMaker laptopy umożliwił zespołowi Searchmetrics szybkie uruchomienie w pełni zarządzanych środowisk programistycznych ML, wykonanie wstępnego przetwarzania danych i eksperymentowanie z różnymi podejściami
• Połączenia transformacja wsadowa możliwości programu SageMaker umożliwiły Searchmetrics wydajne przetwarzanie zbiorczych ładunków wnioskowania, a także łatwą integrację z istniejącą usługą sieciową w środowisku produkcyjnym

Searchmetrics był również szczególnie zainteresowany natywną integracją SageMaker z Przytulanie Twarzy, ekscytujący start-up NLP, który zapewnia łatwy dostęp do ponad 7,000 wstępnie wytrenowanych modeli językowych za pośrednictwem popularnej biblioteki Transformers.

SageMaker zapewnia bezpośrednią integrację z Hugging Face za pośrednictwem dedykowanego estymatora Hugging Face w SDK SageMakera. Ułatwia to uruchamianie modeli Hugging Face na w pełni zarządzanej infrastrukturze SageMaker.

Dzięki tej integracji Searchmetrics mógł testować i eksperymentować z szeregiem różnych modeli i podejść, aby znaleźć najlepsze podejście do ich przypadku użycia.

Rozwiązanie końcowe wykorzystuje proces klasyfikacji zerowej do identyfikacji najtrafniejszych słów kluczowych. Oceniono różne wstępnie wytrenowane modele i strategie zapytań, z facebook/bart-duża-mnli dostarczanie najbardziej obiecujących wyników.

Wykorzystanie AWS do poprawy efektywności operacyjnej i znalezienia nowych możliwości innowacji

Dzięki SageMaker i jego natywnej integracji z Hugging Face, Searchmetrics był w stanie zbudować, przeszkolić i wdrożyć rozwiązanie NLP, które może zrozumieć dany temat i dokładnie uszeregować niewidoczną listę słów kluczowych na podstawie ich trafności. Zestaw narzędzi oferowany przez SageMaker ułatwił eksperymentowanie i wdrażanie.

Po zintegrowaniu z istniejącym wewnętrznym narzędziem Searchmetrics, ta funkcja sztucznej inteligencji zapewniła średnio 20% skrócenie czasu potrzebnego analitykom na wykonanie pracy. Zaowocowało to wyższą przepustowością, lepszym doświadczeniem użytkownika i szybszym wprowadzaniem nowych użytkowników.

Ten początkowy sukces nie tylko poprawił wydajność operacyjną analityków wyszukiwania Searchmetrics, ale także pomógł Searchmetrics wytyczyć wyraźną ścieżkę do wdrażania bardziej kompleksowych rozwiązań automatyzacji wykorzystujących sztuczną inteligencję w swojej działalności.

Te ekscytujące nowe możliwości innowacji pomagają Searchmetrics w dalszym ulepszaniu swoich możliwości analitycznych, a także pomagają zapewnić, że klienci nadal będą wyprzedzać konkurencję w niezwykle konkurencyjnym środowisku wyszukiwania.

Ponadto Hugging Face i AWS ogłosiły partnerstwo na początku 2022 r., które jeszcze bardziej ułatwia trenowanie modeli Hugging Face w programie SageMaker. Ta funkcja jest dostępna dzięki opracowaniu Hugging Face Kontenery AWS Deep Learning (DLC). Kontenery te obejmują transformatory Hugging Face, tokenizatory i bibliotekę zestawów danych, która pozwala nam używać tych zasobów do zadań szkoleniowych i wnioskowania.

Aby uzyskać listę dostępnych obrazów DLC, zobacz dostępne Obrazy kontenerów uczenia głębokiego, które są utrzymywane i regularnie aktualizowane za pomocą poprawek bezpieczeństwa. Możesz znaleźć wiele przykładów, jak trenować modele Hugging Face za pomocą tych DLC i Przytulanie Face Pythona SDK w następującym GitHub repo.

Dowiedz się więcej o tym, jak możesz przyspieszyć swoją zdolność do innowacji dzięki AI/ML, odwiedzając Pierwsze kroki z Amazon SageMaker, zdobywając praktyczne treści edukacyjne, przeglądając Zasoby dla programistów Amazon SageMakerlub odwiedzający Przytulanie twarzy na Amazon SageMaker.

---

O autorze

Daniela Burka jest europejskim liderem AI i ML w grupie Private Equity w AWS. Daniel współpracuje bezpośrednio z funduszami Private Equity i ich spółkami portfelowymi, pomagając im przyspieszyć wdrażanie AI i ML w celu poprawy innowacyjności i zwiększenia wartości przedsiębiorstwa.

• Coinsmart. Najlepsza w Europie giełda bitcoinów i kryptowalut.
• Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. DARMOWY DOSTĘP.
• CryptoJastrząb. Radar Altcoin. Bezpłatna wersja próbna.
• Źródło: https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their-human-analysts-20- szybciej/