Как Searchmetrics использует Amazon SageMaker для автоматического поиска релевантных ключевых слов и повышения скорости работы своих аналитиков на 20 %

Переиздано Платоном

Читают: 0

Searchmetrics является глобальным поставщиком поисковых данных, программного обеспечения и консультационных решений, помогая клиентам превращать поисковые данные в уникальные бизнес-идеи. На сегодняшний день Searchmetrics помогла более чем 1,000 компаний, таких как McKinsey & Company, Lowe's и AXA, найти преимущество в гиперконкурентной среде поиска.

В 2021 году Searchmetrics обратилась к AWS, чтобы помочь с использованием искусственного интеллекта (ИИ) для дальнейшего улучшения своих возможностей анализа поиска.

В этом посте мы рассказываем о том, как Searchmetrics создала решение на основе ИИ, которое повысило эффективность рабочей силы на 20 % за счет автоматического поиска релевантных ключевых слов для любой заданной темы с использованием Создатель мудреца Амазонки и его встроенная интеграция с Hugging Face.

Как Searchmetrics использует Amazon SageMaker для автоматического поиска релевантных ключевых слов и повышения скорости работы специалистов-аналитиков на 20 % PlatoBlockchain Data Intelligence. Вертикальный поиск. Ай.

«Amazon SageMaker упростил оценку и интеграцию современных NLP-моделей Hugging Face в наши системы.
Созданное нами решение делает нас более эффективными и значительно улучшает взаимодействие с пользователем».— Иоаннис Фукаракис, руководитель отдела данных, Searchmetrics

Использование ИИ для определения релевантности из списка ключевых слов

Ключевой частью предложения Searchmetrics по аналитике является его способность определять наиболее релевантные ключевые слова для заданной темы или цели поиска.

Для этого в Searchmetrics есть команда аналитиков, оценивающих потенциальную релевантность определенных ключевых слов с учетом определенного начального слова. Аналитики используют внутренний инструмент для просмотра ключевого слова в заданной теме и сгенерированного списка потенциально связанных ключевых слов, после чего они должны выбрать одно или несколько связанных ключевых слов, имеющих отношение к этой теме.

Этот ручной процесс фильтрации и отбора отнимал много времени и замедлял способность Searchmetrics предоставлять информацию своим клиентам.

Чтобы улучшить этот процесс, Searchmetrics стремилась создать решение на основе ИИ, которое могло бы использовать обработку естественного языка (NLP), чтобы понять цель данной темы поиска и автоматически ранжировать невидимый список потенциальных ключевых слов по релевантности.

Использование SageMaker и Hugging Face для быстрого создания расширенных возможностей НЛП

Чтобы решить эту проблему, команда инженеров Searchmetrics обратилась к SageMaker, комплексной платформе машинного обучения (ML), которая помогает разработчикам и специалистам по данным быстро и легко создавать, обучать и развертывать модели ML.

SageMaker ускоряет развертывание рабочих нагрузок ML, упрощая процесс сборки ML. Он предоставляет широкий набор возможностей машинного обучения поверх полностью управляемой инфраструктуры. Это устраняет недифференцированную тяжелую работу, которая слишком часто препятствует развитию машинного обучения.

Компания Searchmetrics выбрала SageMaker из-за полного спектра возможностей, которые он предоставляет на каждом этапе процесса разработки машинного обучения:

SageMaker ноутбуки позволили команде Searchmetrics быстро развернуть полностью управляемые среды разработки машинного обучения, выполнить предварительную обработку данных и поэкспериментировать с различными подходами.
Ассоциация пакетное преобразование Возможности SageMaker позволили Searchmetrics эффективно обрабатывать свои полезные данные для логического вывода, а также легко интегрировать их в существующий веб-сервис в рабочей среде.

Searchmetrics также особенно заинтересовала встроенная интеграция SageMaker с Обнимая лицо, захватывающий стартап NLP, который обеспечивает легкий доступ к более чем 7,000 предварительно обученным языковым моделям через свою популярную библиотеку Transformers.

SageMaker обеспечивает прямую интеграцию с Hugging Face через специальный оценщик Hugging Face в SageMaker SDK. Это упрощает запуск моделей Hugging Face в полностью управляемой инфраструктуре SageMaker.

Благодаря этой интеграции Searchmetrics смогла протестировать и поэкспериментировать с целым рядом различных моделей и подходов, чтобы найти наиболее эффективный подход к своему варианту использования.

В окончательном решении используется нулевой конвейер классификации для определения наиболее релевантных ключевых слов. Были оценены различные предварительно обученные модели и стратегии запросов с facebook/барт-большой-мнли обеспечивающие наиболее многообещающие результаты.

Использование AWS для повышения операционной эффективности и поиска новых возможностей для инноваций

С помощью SageMaker и его встроенной интеграции с Hugging Face компания Searchmetrics смогла создать, обучить и развернуть решение NLP, которое могло понять заданную тему и точно ранжировать невидимый список ключевых слов на основе их релевантности. Набор инструментов, предлагаемый SageMaker, упростил экспериментирование и развертывание.

При интеграции с существующим внутренним инструментом Searchmetrics эта возможность искусственного интеллекта позволила в среднем на 20 % сократить время, затрачиваемое аналитиками на выполнение своей работы. Это привело к повышению пропускной способности, улучшению взаимодействия с пользователем и ускорению адаптации новых пользователей.

Этот первоначальный успех не только повысил операционную эффективность поисковых аналитиков Searchmetrics, но и помог Searchmetrics наметить более четкий путь к развертыванию более комплексных решений по автоматизации с использованием ИИ в своем бизнесе.

Эти захватывающие новые инновационные возможности помогают Searchmetrics продолжать улучшать свои аналитические возможности, а также помогают им гарантировать, что клиенты продолжают оставаться впереди в гиперконкурентной среде поиска.

Кроме того, ранее в 2022 году Hugging Face и AWS объявили о партнерстве, которое еще больше упрощает обучение моделей Hugging Face в SageMaker. Эта функция доступна благодаря разработке Hugging Face. Контейнеры глубокого обучения AWS (DLC). Эти контейнеры включают Hugging Face Transformers, Tokenizers и библиотеку наборов данных, что позволяет нам использовать эти ресурсы для обучения и логических выводов.

Список доступных образов DLC см. в разделе Доступные Глубокое обучение Контейнеры Изображения, которые поддерживаются и регулярно обновляются с помощью исправлений безопасности. Вы можете найти много примеров того, как обучать модели Hugging Face с помощью этих DLC и Обнимающее лицо Python SDK В следующих Репо GitHub.

Узнайте больше о том, как ускорить внедрение инноваций с помощью AI/ML, посетив Начало работы с Amazon SageMaker, получение практического учебного контента путем просмотра Ресурсы для разработчиков Amazon SageMaker, или в гостях Обнимающее лицо на Amazon SageMaker.

Об авторе

Дэниел Берк является европейским лидером в области искусственного интеллекта и машинного обучения в группе прямых инвестиций в AWS. Дэниел работает напрямую с фондами прямых инвестиций и их портфельными компаниями, помогая им ускорить внедрение ИИ и машинного обучения для улучшения инноваций и повышения ценности предприятия.