Clienții apelează din ce în ce mai mult la recenziile produselor pentru a lua decizii informate în călătoria lor de cumpărături, fie că cumpără articole de zi cu zi, cum ar fi un prosop de bucătărie, fie că fac achiziții majore, cum ar fi cumpărarea unei mașini. Aceste recenzii s-au transformat într-o sursă esențială de informații, permițând cumpărătorilor să acceseze opiniile și experiențele altor clienți. Drept urmare, recenziile produselor au devenit un aspect crucial al oricărui magazin, oferind feedback și informații valoroase pentru a ajuta la informarea deciziilor de cumpărare.
Amazon are unul dintre cele mai mari magazine cu sute de milioane de articole disponibile. În 2022, 125 de milioane de clienți au contribuit cu aproape 1.5 miliarde de recenzii și evaluări magazinelor Amazon, făcând recenziile online de la Amazon o sursă solidă de feedback pentru clienți. La scara recenziilor de produse trimise în fiecare lună, este esențial să verificați dacă aceste recenzii se aliniază Regulile comunității Amazon în ceea ce privește limbajul, cuvintele, videoclipurile și imaginile acceptabile. Această practică este în vigoare pentru a garanta clienților informații corecte cu privire la produs și pentru a împiedica recenziile să includă limbaj neadecvat, imagini jignitoare sau orice tip de discurs instigator la ură îndreptat către indivizi sau comunități. Prin aplicarea acestor linii directoare, Amazon poate menține un mediu sigur și favorabil pentru toți clienții.
Automatizarea moderării conținutului permite Amazon să scaleze procesul, păstrând în același timp o precizie ridicată. Este un spațiu complex cu probleme, cu provocări unice și care necesită tehnici diferite pentru text, imagini și videoclipuri. Imaginile sunt o componentă relevantă a recenziilor produselor, oferind adesea un impact mai imediat asupra clienților decât textul. Cu Moderare de conținut Amazon Rekognition, Amazon este capabil să detecteze automat imaginile dăunătoare în recenziile produselor cu o acuratețe mai mare, reducând dependența de recenzori umani pentru a modera un astfel de conținut. Moderarea conținutului Rekognition a contribuit la îmbunătățirea bunăstării moderatorilor umani și la realizarea unor economii semnificative de costuri.
Moderare cu modele ML auto-găzduite
Echipa Amazon Shopping a proiectat și implementat un sistem de moderare care utilizează învățarea automată (ML) în combinație cu revizuirea umană în buclă (HITL) pentru a se asigura că recenziile despre produse se referă la experiența clientului cu produsul și nu conțin inadecvate sau conținut dăunător conform regulilor comunității. Subsistemul de moderare a imaginii, așa cum este ilustrat în diagrama următoare, a folosit mai multe modele de viziune computerizată auto-găzduite și auto-instruite pentru a detecta imaginile care încalcă regulile Amazon. Managerul de decizie determină acțiunea de moderare și oferă motivele deciziei sale pe baza rezultatelor modelelor ML, decizând astfel dacă imaginea a necesitat o revizuire suplimentară de către un moderator uman sau ar putea fi aprobată sau respinsă automat.
Cu aceste modele ML auto-găzduite, echipa a început prin a automatiza deciziile privind 40% din imaginile primite ca parte a recenziilor și a lucrat continuu la îmbunătățirea soluției de-a lungul anilor, confruntându-se cu mai multe provocări:
- Eforturi continue de îmbunătățire a ratei de automatizare – Echipa a dorit să îmbunătățească acuratețea algoritmilor ML, urmărind creșterea ratei de automatizare. Acest lucru necesită investiții continue în etichetarea datelor, știința datelor și MLOps pentru formarea și implementarea modelelor.
- Complexitatea sistemului – Complexitatea arhitecturii necesită investiții în MLOps pentru a se asigura că procesul de inferență ML se scalează eficient pentru a răspunde traficului de transmitere de conținut în creștere.
Înlocuiți modelele ML auto-găzduite cu API-ul Rekognition Content Moderation
Amazon Rekognition este un serviciu de inteligență artificială gestionată (AI) care oferă modele pre-antrenate printr-o interfață API pentru moderarea imaginilor și a videoclipurilor. A fost adoptat pe scară largă de industrii precum comerțul electronic, rețelele sociale, jocurile de noroc, aplicațiile de întâlniri online și altele pentru a modera conținutul generat de utilizatori (UGC). Aceasta include o gamă largă de tipuri de conținut, cum ar fi recenzii despre produse, profiluri de utilizatori și moderarea postărilor pe rețelele sociale.
Rekognition Content Moderation automatizează și eficientizează fluxurile de lucru de moderare a imaginilor și video fără a necesita experiență ML. Clienții Amazon Rekognition pot procesa milioane de imagini și videoclipuri, detectând eficient conținutul nepotrivit sau nedorit, cu API-uri complet gestionate și reguli de moderare personalizabile pentru a menține utilizatorii în siguranță și conform companiei.
Echipa a migrat cu succes un subset de modele ML autogestionate în sistemul de moderare a imaginilor pentru detectarea conținutului de nuditate și nu este sigur pentru lucru (NSFW) către API-ul Amazon Rekognition Detect Moderation, profitând de modelele de moderare foarte precise și cuprinzătoare pregătite în prealabil. . Cu precizia ridicată a Amazon Rekognition, echipa a reușit să automatizeze mai multe decizii, să economisească costuri și să simplifice arhitectura sistemului.
Precizie îmbunătățită și categorii de moderare extinse
Punerea în aplicare a directivei API-ul de moderare a imaginii Amazon Rekognition a avut ca rezultat o acuratețe mai mare pentru detectarea conținutului neadecvat. Acest lucru implică faptul că aproximativ 1 milion de imagini suplimentare pe an vor fi moderate automat, fără a fi necesară nicio revizuire umană.
Excelența operațională
Echipa Amazon Shopping a reușit să simplifice arhitectura sistemului, reducând efortul operațional necesar pentru gestionarea și întreținerea sistemului. Această abordare le-a economisit luni de efort DevOps pe an, ceea ce înseamnă că acum își pot aloca timpul dezvoltării de funcții inovatoare în loc să-l cheltuiască pe sarcini operaționale.
Reducerea costurilor
Acuratețea ridicată de la Rekognition Content Moderation a permis echipei să trimită mai puține imagini pentru examinare umană, inclusiv conținut potențial neadecvat. Acest lucru a redus costurile asociate cu moderarea umană și a permis moderatorilor să-și concentreze eforturile pe sarcini de afaceri mai valoroase. Combinată cu creșterea eficienței DevOps, echipa Amazon Shopping a realizat economii semnificative de costuri.
Concluzie
Migrarea de la modelele ML auto-găzduite la API-ul Amazon Rekognition Moderation pentru moderarea revizuirii produselor poate oferi numeroase beneficii pentru companii, inclusiv economii semnificative de costuri. Prin automatizarea procesului de moderare, magazinele online pot modera rapid și precis volume mari de recenzii de produse, îmbunătățind experiența clienților, asigurându-se că conținutul inadecvat sau spam este eliminat rapid. În plus, prin utilizarea unui serviciu gestionat precum API-ul Amazon Rekognition Moderation, companiile pot reduce timpul și resursele necesare dezvoltării și menținerii propriilor modele, ceea ce poate fi util în special pentru companiile cu resurse tehnice limitate. Flexibilitatea API-ului permite, de asemenea, magazinelor online să-și personalizeze regulile și pragurile de moderare pentru a se potrivi nevoilor lor specifice.
Aflați mai multe despre moderarea conținutului pe AWS și a noastră cazuri de utilizare ML de moderare a conținutului. Fă primul pas spre eficientizarea operațiunilor de moderare a conținutului cu AWS.
Despre Autori
Shipra Kanoria este manager de produs principal la AWS. Este pasionată de a ajuta clienții să-și rezolve cele mai complexe probleme cu puterea învățării automate și a inteligenței artificiale. Înainte de a se alătura AWS, Shipra a petrecut peste 4 ani la Amazon Alexa, unde a lansat multe funcții legate de productivitate pe asistentul vocal Alexa.
Luca Agostino Rubino este inginer principal software în echipa Amazon Shopping. Lucrează la funcții ale comunității, cum ar fi recenziile clienților și întrebările și răspunsurile, concentrându-se de-a lungul anilor pe moderarea conținutului și pe scalarea și automatizarea soluțiilor de învățare automată.
Lana Zhang este arhitect senior de soluții la echipa AWS WWSO AI Services, specializată în AI și ML pentru moderarea conținutului, viziunea computerizată, procesarea limbajului natural și IA generativă. Cu expertiza ei, ea este dedicată promovării soluțiilor AWS AI/ML și asistenței clienților în transformarea soluțiilor lor de afaceri din diverse industrii, inclusiv social media, jocuri, comerț electronic, media, publicitate și marketing.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
- PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
- PlatoESG. Automobile/VE-uri, carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
- PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
- ChartPrime. Crește-ți jocul de tranzacționare cu ChartPrime. Accesați Aici.
- BlockOffsets. Modernizarea proprietății de compensare a mediului. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- :are
- :este
- :nu
- :Unde
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- Capabil
- Despre Noi
- acceptabil
- acces
- precizie
- precis
- precis
- Obține
- realizat
- peste
- Acțiune
- Suplimentar
- În plus,
- adoptată
- Avantaj
- Promovare
- AI
- Servicii AI
- AI / ML
- Urmarind
- Alexa
- algoritmi
- alinia
- TOATE
- aloca
- permis
- permite
- de asemenea
- Amazon
- Amazon Rekognition
- Amazon Web Services
- an
- și
- Orice
- api
- API-uri
- abordare
- aprobat
- aproximativ
- Apps
- arhitectură
- SUNT
- artificial
- inteligență artificială
- Inteligența artificială (AI)
- AS
- aspect
- Asistent
- asistarea
- asociate
- At
- automatizarea
- automate
- în mod automat
- automatizarea
- Automatizare
- disponibil
- AWS
- bazat
- BE
- deveni
- fost
- înainte
- Beneficiile
- Miliard
- afaceri
- întreprinderi
- Cumpărare
- by
- CAN
- mașină
- cazuri
- provocări
- combinate
- Comunități
- comunitate
- Companii
- complex
- complexitate
- conforme
- component
- cuprinzător
- calculator
- Computer Vision
- conjuncție
- conţine
- conţinut
- Tipuri de conținut
- continuu
- continuu
- Contribuit
- A costat
- economii
- Cheltuieli
- ar putea
- crucial
- client
- experienta clientului
- clienţii care
- personalizabil
- personaliza
- de date
- știința datelor
- datare
- Decidând
- decizie
- Deciziile
- dedicat
- desfășurarea
- proiectat
- dorit
- detecta
- Detectare
- determină
- dezvolta
- în curs de dezvoltare
- diferit
- diferit
- Dont
- e-commerce
- E-commerce
- eficiență
- eficient
- efort
- Eforturile
- activat
- permițând
- aplicarea
- inginer
- asigura
- asigurare
- Mediu inconjurator
- mai ales
- esenţial
- Fiecare
- de fiecare zi
- extins
- experienţă
- Experiențe
- expertiză
- cu care se confruntă
- DESCRIERE
- feedback-ul
- mai puține
- First
- potrivi
- Flexibilitate
- Concentra
- concentrându-se
- următor
- Pentru
- din
- complet
- mai mult
- câștig
- jocuri
- generativ
- AI generativă
- În creştere
- garanta
- orientări
- nociv
- Avea
- he
- ajutor
- a ajutat
- ajutor
- ei
- Înalt
- superior
- extrem de
- Cum
- HTML
- HTTPS
- uman
- sute
- sute de milioane
- imagine
- imagini
- imediat
- Impactul
- implementarea
- implementat
- îmbunătăţi
- îmbunătățirea
- in
- include
- Inclusiv
- Inclusiv
- Crește
- tot mai mult
- persoane fizice
- industrii
- Informa
- informații
- informat
- inovatoare
- perspective
- in schimb
- Inteligență
- interfaţă
- în
- Investiții
- IT
- articole
- ESTE
- aderarea
- călătorie
- jpg
- A pastra
- păstrare
- etichetarea
- limbă
- mare
- cea mai mare
- a lansat
- învăţare
- ca
- Limitat
- maşină
- masina de învățare
- menține
- major
- face
- Efectuarea
- administra
- gestionate
- manager
- multe
- Marketing
- mijloace
- Mass-media
- Întâlni
- migrată
- milion
- milioane
- ML
- MLOps
- Modele
- moderare
- Lună
- luni
- mai mult
- cele mai multe
- multiplu
- Natural
- Procesarea limbajului natural
- aproape
- Nevoie
- necesar
- nevoilor
- acum
- NSFW
- of
- ofensator
- oferind
- promoții
- de multe ori
- on
- ONE
- on-line
- operațional
- Operațiuni
- Avize
- or
- Altele
- Altele
- al nostru
- producție
- peste
- global
- propriu
- parte
- pasionat
- pentru
- Loc
- Plato
- Informații despre date Platon
- PlatoData
- Post
- potenţial
- putere
- practică
- împiedica
- Principal
- Problemă
- probleme
- proces
- prelucrare
- Produs
- manager de produs
- Opinii produs
- Profiluri
- Promovarea
- furniza
- furnizează
- furnizarea
- cumpărare
- achiziții
- de cumpărare
- repede
- gamă
- rată
- evaluări
- motive
- a primi
- primit
- reduce
- Redus
- reducerea
- cu privire la
- încredere
- îndepărtat
- necesar
- Necesită
- Resurse
- rezultat
- revizuiască
- Recenzii
- norme
- sigur
- Economisiți
- Economie
- Scară
- cântare
- scalare
- Ştiinţă
- trimite
- senior
- serviciu
- Servicii
- câteva
- ea
- Cumpărături
- semnificativ
- simplifica
- Social
- social media
- Software
- Inginer Software
- solid
- soluţie
- soluţii
- REZOLVAREA
- Sursă
- Spaţiu
- spam-
- specializata
- specific
- discurs
- Cheltuire
- uzat
- început
- Pas
- stoca
- magazine
- supunere
- prezentat
- Reușit
- astfel de
- sistem
- Lua
- luare
- sarcini
- echipă
- Tehnic
- tehnici de
- decât
- acea
- lor
- Lor
- astfel
- Acestea
- ei
- acest
- Prin
- timp
- la
- față de
- trafic
- Pregătire
- transformat
- transformare
- Cotitură
- tip
- Tipuri
- unic
- nedorit
- utilizare
- Utilizator
- utilizatorii
- utilizări
- folosind
- utilizate
- Valoros
- verifica
- Video
- Video
- viziune
- Voce
- volume
- a fost
- web
- servicii web
- dacă
- care
- în timp ce
- pe larg
- voi
- cu
- fără
- cuvinte
- Apartamente
- a lucrat
- fluxuri de lucru
- fabrică
- an
- ani
- Ta
- zephyrnet