Сегодня клиенты могут отправлять запросы в службу поддержки по нескольким каналам, таким как Интернет, мобильные устройства, чат-боты, электронные письма или телефонные звонки. Когда клиент создает заявку в службу поддержки, она обрабатывается и назначается категории на основе информации, предоставленной в заявке. Затем он направляется в группу поддержки для решения в соответствии с категорией заявки. Подсчитано, что большое количество заявок в службу поддержки обычно не направляется в нужную группу из-за неправильной классификации заявок. Неправильно назначенные заявки приводят к задержке общего времени решения, что часто приводит к серьезному недовольству клиентов. Это также может иметь другие масштабные последствия, такие как финансовые, операционные или другие последствия для бизнеса. Следовательно, классификация билетов является важной задачей для каждой организации в наши дни. Хотя вы можете классифицировать билеты вручную, но это подвержено ошибкам, нерентабельно и не масштабируется.
Управляемые сервисы AWS (AMS) использует Amazon Comprehend настраиваемые классификации для классификации входящих запросов по ресурсам и типам операций в зависимости от того, как клиент описал свою проблему. Amazon Comprehend — это сервис обработки естественного языка (NLP), который использует машинное обучение (ML) для выявления ценных идей и связей в тексте. AMS использует настраиваемые классификаторы для маркировки запросов клиентов соответствующими типами задач, типами ресурсов и действиями ресурсов, тем самым направляя запросы клиентов в SME. Классификация Amazon Comprehend используется для поиска возможностей для новых внутренних инструментов автоматизации, которые инженеры AMS могут использовать для выполнения требований клиентов, чтобы уменьшить ручные усилия и вероятность ручных ошибок. Данные классификации хранятся в Амазонка Redshift кластер и используется для анализа запросов клиентов и поиска новых кандидатов на инструменты автоматизации. Эта автоматизация приводит к повышению эффективности работы и снижению затрат.
В этом посте мы покажем, как поставщики управляемых услуг могут использовать Amazon Comprehend для классификации и маршрутизации заявок, предоставления предложений на основе классификации и использования данных классификации.
Обзор решения
На следующей схеме показана архитектура решения.
Рабочий процесс выглядит следующим образом:
- Клиент отправляет билет.
- Билетная система получает билет от клиента и вызывает классификатор билетов. AWS Lambda функция с деталями билета. Lambda — это бессерверная служба вычислений, управляемая событиями, которая позволяет запускать код практически для любого типа приложений или серверных служб без выделения серверов или управления ими. Lambda выбрана из-за решения, позволяющего снизить затраты и усилия по техническому обслуживанию.
- Функция классификатора заявок Lambda классифицирует заявку с помощью Amazon Comprehend, используя заголовок и описание заявки. С помощью Amazon Comprehend вы можете обучать модель НЛП и предоставлять как пакетные классификаторы, так и классификаторы в реальном времени, не выделяя и не поддерживая инфраструктуру.
- Функция Lambda классификатора билетов отправляет данные о классификации билетов в кластер Amazon Redshift через Пожарный шланг данных Amazon Kinesis. Kinesis Data Firehose — это служба извлечения, преобразования и загрузки (ETL), которая собирает, преобразует и доставляет потоковые данные в озера данных, хранилища данных и службы аналитики. Amazon Redshift использует SQL для анализа структурированных и частично структурированных данных в хранилищах данных, операционных базах данных и озерах данных, используя оборудование, разработанное AWS, и машинное обучение, чтобы обеспечить наилучшее соотношение цены и качества в любом масштабе. Kinesis Data Firehose доставляет данные в Простой сервис хранения Amazon (Amazon S3), а затем выполняет команду Amazon Redshift COPY для загрузки данных в кластер Amazon Redshift.
- Лямбда-функция классификатора билетов вызывает лямбда-функцию обработчика билетов.
- Лямбда-функция обработчика заявок запускает код, помогающий в обработке заявок. В этом примере он возвращает рекомендуемые материалы для обработки заявки на основе классификации.
- Анализ билетов можно выполнить с помощью Amazon QuickSight. Из анализа тикетов вы можете узнать, какой тип тикета чаще всего запрашивается. На основе анализа вы можете обнаружить тенденции заявок и возможности для автоматизации самых популярных типов заявок. QuickSight — это масштабируемая в облаке служба бизнес-аналитики (BI), которую вы можете использовать для предоставления понятных сведений людям, с которыми вы работаете, где бы они ни находились.
В следующих разделах мы покажем вам, как реализовать решение, интегрировать инфраструктуру классификации билетов с вашей системой продажи билетов и использовать данные классификации с QuickSight.
Реализуйте решение
В этом разделе мы рассмотрим шаги по предоставлению ресурсов вашего решения и созданию необходимой инфраструктуры.
Настройка Amazon Comprehend
На этом этапе мы обучаем две новые пользовательские модели классификации Amazon Comprehend: Operation и Resource, а также создаем конечную точку анализа в реальном времени для каждой модели.
Загрузите данные тренировки
Чтобы загрузить данные тренировки, выполните следующие действия:
- Скачать Ticket_training_data.zip и распакуйте файл.
Эта папка содержит следующие два файла:- Training_data_operations.csv – Этот файл представляет собой файл CSV с двумя столбцами, который мы используем для обучения модели классификации операций. Первый столбец содержит
class
, а второй столбец содержитdocument
. - Training_data_resources.csv – Этот файл представляет собой файл CSV с двумя столбцами, который мы используем для обучения модели классификации ресурсов. Как
training_data_operations.csv
файл, первый столбец содержитclass
, а второй столбец содержитdocument
.
- Training_data_operations.csv – Этот файл представляет собой файл CSV с двумя столбцами, который мы используем для обучения модели классификации операций. Первый столбец содержит
- На консоли Amazon S3 создайте новую корзину для Amazon Comprehend. Поскольку имена корзин S3 глобально уникальны, вам необходимо создать уникальное имя для корзины. Для этого поста мы называем это
comprehend-ticket-training-data
. Включите шифрование на стороне сервера и заблокируйте публичный доступ при создании корзины. - Загрузите
training_data_operations.csv
иtraining_data_resources.csv
к новому ведру S3.
Создайте две новые модели
Чтобы создать свои модели, выполните следующие шаги:
- На консоли Amazon Comprehend выберите Пользовательская классификация в навигационной панели.
- Выберите Создать новую модель.
- Предоставьте следующую информацию:
- Что касается Название модели, войти
ticket-classification-operation
. - Что касается Язык, выберите Английский.
- Что касается Режим классификатора, наведите на Использование режима одной метки.
- Что касается Формат данных, наведите на CSV-файл.
- Что касается Набор обучающих данных, введите путь S3 для
training_data_operations.csv
. - Что касается Источник тестовых данных, наведите на Автосплит.
Autosplit автоматически выбирает 10% предоставленных вами обучающих данных для использования в качестве данных тестирования. - Что касается Роль IAM, наведите на Создать роль IAM.
- Что касается Разрешения на доступ, выберите обучающие, тестовые и выходные данные (если они указаны) в корзинах S3.
- Что касается Суффикс, войти
ticket-classification
.
- Что касается Название модели, войти
- Выберите Создавай.
- Выберите Создать новую модель еще раз, чтобы создать модель классификации ресурсов.
- Предоставьте следующую информацию:
- Что касается Название модели, войти
ticket-classification-resource
. - Что касается Язык, выберите Английский.
- Что касается Режим классификатора, наведите на Использование режима одной метки.
- Что касается Формат данных, наведите на CSV-файл.
- Что касается Набор обучающих данных, введите путь S3 для
training_data_resources.csv
. - Что касается Источник тестовых данных, выберите Авторазрыв.
- Что касается Роль IAM, наведите на Использовать существующую роль IAM.
- Что касается Название роли, выберите
AmazonComprehendServiceRole-ticket-classification
.
- Что касается Название модели, войти
- Выберите Создавай.
Amazon Comprehend сейчас обрабатывает CSV-файлы и использует их для обучения пользовательских классификаторов. Затем мы используем их, чтобы помочь классифицировать заявки клиентов. Чем больше и точнее наши обучающие данные, тем точнее будет классификатор.
Подождите, пока статус версии не отобразится как Trained
как показано ниже. Это может занять до 1 часа, в зависимости от размера обучающих данных.
Создание конечных точек Amazon Comprehend
Плата за конечные точки Amazon Comprehend взимается с шагом в 1 секунду, но не менее 60 секунд. Плата продолжает взиматься с момента запуска конечной точки до ее удаления, даже если никакие документы не анализируются. Для получения дополнительной информации см. Amazon понимают цены. Чтобы создать конечные точки, выполните следующие шаги:
- На консоли Amazon Comprehend выберите Endpoints в навигационной панели.
- Выберите Создать конечную точку для создания конечной точки классификации операций.
- Предоставьте следующую информацию:
- Что касается Имя конечной точки, войти
ticket-classification-operation
. - Что касается Пользовательский тип модели, наведите на Пользовательская классификация.
- Что касается Модель классификатора, выберите билет-классификация-операция.
- Что касается Версия, выберите Нет имени версии.
- Что касается Количество единиц логического вывода (IU), войти
1
.
- Что касается Имя конечной точки, войти
- Выберите Создать конечную точку.
- Выберите Создать конечную точку еще раз, чтобы создать конечную точку классификации ресурсов.
- Предоставьте следующую информацию:
- Что касается Имя конечной точки, войти
ticket-classification-resource
. - Что касается Пользовательский тип модели, наведите на Пользовательская классификация.
- Что касается Модель классификатора, выберите ресурс классификации билетов.
- Что касается Версия, выберите Нет имени версии.
- Что касается Количество единиц логического вывода (IU), войти
1
.
- Что касается Имя конечной точки, войти
- Выберите Создать конечную точку.
После того, как вы создадите обе конечные точки, подождите, пока статус для обеих не отобразится как Active
.
Тестируйте конечные точки Amazon Comprehend с помощью анализа в реальном времени.
Чтобы проверить конечные точки, выполните следующие действия:
- На консоли Amazon Comprehend выберите Анализ в реальном времени в навигационной панели.
- Что касается Тип анализаВыбрать На заказ.
- Что касается Конечная точкавыберите билет-классификация-операция.
- Что касается Введите текст, введите следующее:
- Выберите Анализировать.
Результаты показывают, чтоUpdate
класс имеет самый высокий показатель достоверности. - Изменить Конечная точка в ресурс классификации билетов , а затем выбрать Анализировать снова.
Результаты показывают, что EC2
класс имеет самый высокий показатель достоверности.
Создайте секрет для пароля кластера Amazon Redshift
На этом этапе мы создаем Менеджер секретов AWS secret для вашего пароля кластера Amazon Redshift. Secrets Manager помогает защитить секреты, необходимые для доступа к вашим приложениям, службам и ИТ-ресурсам. Служба позволяет легко чередовать, управлять и извлекать учетные данные базы данных, ключи API и другие секреты на протяжении всего их жизненного цикла. В этом посте мы храним пароль кластера Amazon Redshift в секрете Secrets Manager.
- На консоли диспетчера секретов выберите Секреты в навигационной панели.
- Выберите Храните новый секрет.
- Что касается Секретный тип, наведите на Другой тип секрета.
- Под Пары ключ / значение, установите ключ как
password
и значение в качестве пароля кластера Amazon Redshift.
Пароль должен иметь длину от 8 до 64 символов и содержать как минимум одну заглавную букву, одну строчную букву и одну цифру. Это может быть любой печатный символ ASCII, кроме ' (одинарная кавычка), " (двойная кавычка), , /, @ или пробел. - Выберите Следующая.
- Что касается Секретное имя, войти
ClassificationRedshiftClusterPassword
. - Выберите Следующая.
- В Секретная ротация раздел, выбрать Следующая.
- Просмотрите свою секретную конфигурацию и выберите Магазин.
Подготовьте свою инфраструктуру с помощью AWS CloudFormation
На этом этапе мы предоставляем инфраструктуру для решения, используя AWS CloudFormation стек.
Загрузите код функции Lambda
Перед запуском стека CloudFormation загрузите код своей функции Lambda:
- Скачать лямбда_код.zip
- В консоли Amazon S3 откройте созданную вами корзину.
- Загрузите
lambda_code.zip
.
Создайте свой стек CloudFormation
Чтобы выделить ресурсы с помощью AWS CloudFormation, выполните следующие действия:
- Скачать Cloudformation_template.json.
- В консоли AWS CloudFormation выберите Создать стек.
- Выберите С новыми ресурсами (стандарт).
- Что касается Источник шаблона, выберите Загрузить файл шаблона.
- Выберите загруженный шаблон CloudFormation.
- Выберите Следующая.
- Что касается Название стека, войти
Ticket-Classification-Infrastructure
. - В параметры введите следующие значения:
- Что касается КлассификацияRedshiftClusterNodeType, введите тип узла кластера Amazon Redshift. dc2.large — значение по умолчанию.
- Что касается КлассификацияRedshiftClusterPasswordSecretName, введите секретное имя Secrets Manager, в котором хранится пароль кластера Amazon Redshift.
- Что касается КлассификацияRedshiftClusterSubnetId, введите идентификатор подсети, в которой размещен кластер Amazon Redshift. Подсеть должна находиться в VPC, который вы упомянули в
ClassificationRedshiftClusterVpcId
Параметр. - Что касается КлассификацияRedshiftClusterUsernameвведите имя пользователя кластера Amazon Redshift.
- Что касается КлассификацияRedshiftClusterVpcId, введите идентификатор VPC, в котором размещен кластер Amazon Redshift.
- Что касается Лямбдакодес3бакет, введите имя корзины S3, в которую вы загрузили лямбда-код.
- Что касается Лямбдакодес3кэй, введите ключ Amazon S3 пакета развертывания.
- Что касается QuickSightRegion, введите регион для QuickSight. Регион для QuickSight должен соответствовать региону, который вы используете для Amazon Comprehend и корзины S3.
- Выберите Следующая.
- В Настроить параметры стека раздел, выбрать Следующая.
- В Обзор раздел, выберите Я признаю, что AWS CloudFormation может создавать ресурсы IAM.
- Выберите Создать стек.
Настройте свой кластер Amazon Redshift
На этом шаге вы включаете ведение журнала аудита и добавляете новую таблицу в кластер Amazon Redshift, созданный с помощью шаблона CloudFormation.
Ведение журнала аудита не включено по умолчанию в Amazon Redshift. Когда вы включаете ведение журналов в своем кластере, Amazon Redshift экспортирует журналы в Amazon CloudWatch, которые собирают данные с момента включения ведения журнала аудита до настоящего времени. Каждое обновление журналов является продолжением предыдущих журналов.
Включить ведение журнала аудита
Вы можете пропустить этот шаг, если вам не нужно вести журнал аудита для вашего кластера Amazon Redshift.
- В консоли Amazon Redshift выберите Кластеры в навигационной панели.
- Выберите кластер Amazon Redshift, начиная с
classificationredshiftcluster-
. - На Объекты , выберите Редактировать.
- Выберите Изменить журнал аудита.
- Что касается Настройка ведения журнала аудитавыберите включать.
- Что касается Тип эксперта журнала, выберите CloudWatch.
- Выберите все типы журналов.
- Выберите Сохранить изменения.
Создать новую таблицу
Чтобы создать новую таблицу, выполните следующие шаги:
- В консоли Amazon Redshift выберите Данные запроса.
- Выберите Запрос в редакторе запросов v2.
- На База данных странице, выберите свой кластер.
- Что касается База данных, войти
ticketclassification
. - Введите имя пользователя и пароль, которые вы настроили в параметрах стека CloudFormation.
- Выберите Создать соединение.
- Когда соединение установлено, выберите знак «плюс» и откройте новое окно запроса.
- Введите следующий запрос:
- Выберите Run.
Протестируйте инфраструктуру классификации
Теперь инфраструктура для классификации билетов готова. Прежде чем интегрироваться с вашей тикетной системой, давайте протестируем классификационную инфраструктуру.
Запустить тест
Чтобы запустить тест, выполните следующие шаги:
- На лямбда-консоли выберите функции в навигационной панели.
- Выберите функцию, которая начинается с
Ticket-Classification-Inf-TicketClassifier
. - На Пусконаладка , выберите Тестовое событие.
- Что касается Фамилия, войти
TestTicket
. - Введите следующие тестовые данные:
- Выберите Пусконаладка.
Билет классифицируется, и данные классификации хранятся в кластере Amazon Redshift. После классификации запускается функция Lambda обработчика заявок, которая обрабатывает заявку на основе классификации, включая рекомендации материалов для инженеров службы поддержки.
Проверьте журнал тестирования классификатора билетов
Чтобы проверить журнал тестирования, выполните следующие действия:
- В разделе результатов теста выберите Журналыили выберите Просмотр журналов в CloudWatch на монитор меню.
- Выберите поток журнала.
Вы можете просмотреть журналы на следующем снимке экрана, на котором показаны выходные данные Amazon Comprehend и окончательная высшая классификация заявки. В этом примере тестовый билет классифицируется как Resource=EC2
, Operation=Update
.
Проверьте выходные данные классификации заявок в кластере Amazon Redshift.
Чтобы проверить выходные данные в кластере, выполните следующие действия:
- В консоли редактора запросов Amazon Redshift версии 2 щелкните знак «плюс», чтобы открыть новое окно запроса.
- Введите следующий запрос:
- Выберите Run.
На следующем снимке экрана показана классификация билетов. Если он еще недоступен, подождите несколько минут и повторите попытку (Kinesis Data Firehose требуется некоторое время для отправки данных). Теперь мы можем использовать эти данные в QuickSight.
Проверьте журнал тестирования обработчика билетов.
После того как классификатор заявок отправляет данные классификации в кластер Amazon Redshift, запускается функция Lambda обработчика заявок, которая обрабатывает заявку на основе классификации, включая рекомендации материалов для инженеров службы поддержки. В этом примере обработчик заявок возвращает рекомендуемые материалы, включая модуль Runbook, документацию AWS и документы SSM, чтобы служба поддержки могла ссылаться на них при обработке заявки. Вы можете интегрировать вывод в свою систему обработки билетов и настроить процессы обработки в функциональном коде Lambda. На этом этапе мы проверяем, какие рекомендации были сделаны.
- На лямбда-консоли выберите функции в навигационной панели.
- Выберите лямбда-функцию, которая начинается с
Ticket-Classification-Inf-TicketHandlerLambdaFunct
. - На монитор , выберите Просмотр журналов в CloudWatch.
- Выберите поток журнала.
На следующем снимке экрана показаны журналы. Вы можете просмотреть выходные данные Amazon Comprehend и список рекомендуемых документов AWS и документов SSM для заявки, классифицированной как Update EC2
. Вы можете добавить свои собственные модули Runbook, документы, документы SSM или любые другие материалы в код функции Lambda.
Интегрируйте инфраструктуру классификации билетов с вашей системой продажи билетов.
В этом разделе мы рассмотрим шаги по интеграции вашей инфраструктуры классификации билетов с вашей системой билетов и настройке вашей конфигурации.
Большинство систем продажи билетов имеют функцию триггера, которая позволяет запускать код при отправке заявки. Настройте свою систему продажи билетов для вызова лямбда-функции классификатора билетов со следующим форматированным вводом:
Если вы хотите настроить ввод, измените код функции Lambda классификатора билетов. Вам нужно добавить или удалить параметры (строки 90–105) и настроить ввод для Amazon Comprehend (строки 15–17).
Вы можете настроить функцию Lambda обработчика заявок для запуска автоматизации или редактирования рекомендаций. Например, в тикет с рекомендациями можно добавить внутренний комментарий. Для настройки откройте лямбда-код обработчика заявок и отредактируйте строки 68–70 и 75–81.
Используйте данные классификации с QuickSight
После интеграции инфраструктуры классификации заявок с системой обработки заявок данные о классификации заявок сохраняются в кластере Amazon Redshift. Вы можете использовать QuickSight для проверки этих данных и создания отчетов. В этом примере мы генерируем анализ QuickSight с данными классификации.
Зарегистрируйтесь в QuickSight
Если у вас еще нет QuickSight, зарегистрируйтесь, выполнив следующие действия:
- На консоли QuickSight выберите Зарегистрируйтесь в QuickSight.
- Выберите Стандарт.
- Под Область QuickSight, выберите регион, который вы настроили в параметре CloudFormation
QuickSightRegion
. - Под Информация об аккаунте, введите имя своей учетной записи QuickSight и адрес электронной почты для уведомлений.
- Под Доступ QuickSight к сервисам AWS, наведите на Амазонка Redshift.
- Если вы хотите разрешить доступ и автообнаружение для других ресурсов, выберите и их.
- Выберите Завершить.
- Выберите Перейти к Amazon QuickSight после того, как вы зарегистрируетесь.
Подключите свой кластер Amazon Redshift к QuickSight
Чтобы подключить свой кластер к QuickSight в качестве источника данных, выполните следующие действия:
- На консоли QuickSight выберите Datasets в навигационной панели.
- Выберите Новый набор данных.
- Выберите Автообнаружение красного смещения.
- Предоставьте следующую информацию:
- Что касается Имя источника данных, войти
ticketclassification
. - Что касается ID экземпляра, выберите кластер Amazon Redshift, начиная с
classificationredshiftcluster-
. - Что касается Тип соединения, выберите Публичная сеть.
- Что касается Имя базы данных, войти
ticketclassification
. - Введите имя пользователя и пароль кластера Amazon Redshift, которые вы настроили в параметрах стека CloudFormation.
- Что касается Имя источника данных, войти
- Выберите Проверить соединение чтобы увидеть, работает ли соединение.
Если это не работает, это, вероятно, связано с использованием неправильного имени пользователя и пароля или регион QuickSight отличается от того, что вы указали в стеке CloudFormation. - Выберите Создать источник данных.
- В Выберите свой стол выберите
tickets
таблице. - Выберите Выберите.
- Выберите Импорт в SPICE для более быстрой аналитики.
SPICE — это сверхбыстрая, параллельная, выполняющаяся в памяти вычислительная машина QuickSight. Он разработан для быстрого выполнения расширенных вычислений и обработки данных. Импорт (также называемый Ingesting) ваши данные в SPICE могут сэкономить время и деньги. Для получения дополнительной информации о SPICE см. Импорт данных в SPICE. Если вы получили сообщение об ошибке «Недостаточно емкости SPICE», приобретите дополнительную емкость SPICE. Для получения дополнительной информации см. Приобретение ресурсов SPICE в регионе AWS. - Выберите Визуализируйте.
Создание отчета анализа классификации билетов
Когда вы закончите создание набора данных, вы увидите новый анализ QuickSight. В этом разделе мы рассмотрим шаги по созданию отчета анализа классификации заявок, включая сводную таблицу, круговые диаграммы и линейные диаграммы.
- Выберите Автограф.
- Под Визуальные типы, выберите сводную таблицу.
- Перетащите
operation
от Список полей в Ряды. - Перетащите
resource
от Список полей в Колонки. - На Добавить Меню, выберите Добавить визуальный.
- Под Визуальные типы, выберите круговую диаграмму.
- Перетащите
operation
от Список полей в Группа/Цвет. - На Добавить Меню, выберите Добавить визуальный снова.
- Под Визуальные типы, снова выберите круговую диаграмму.
- Перетащите
resource
от Список полей в Группа/Цвет. - На Добавить Меню, выберите Добавить визуальный снова.
- Под Визуальные типы, выберите линейный график.
- Перетащите
creation_time
от Список полей в Ось X. - Перетащите
operation
от Список полей в Цвет. - На Добавить Меню, выберите Добавить визуальный снова.
- Под Визуальные типы, снова выберите линейный график.
- Перетащите
creation_time
от Список полей в Ось X. - Перетащите
operation
от Список полей в Цвет. - При необходимости измените размер и порядок диаграмм.
- Выберите Сохранить как.
- Введите имя для вашего анализа и выберите Сохранить.
Поздравляем! Ваш первый анализ билетов готов. Когда у вас будет больше данных, анализ будет выглядеть так, как показано на следующем снимке экрана.
Убирать
На этом этапе мы очищаем ресурсы, созданные нами с помощью различных сервисов.
Amazon Comprehend
Чтобы удалить конечные точки, выполните следующие действия:
- На консоли Amazon Comprehend выберите Endpoints в навигационной панели.
- Выберите
endpoint ticket-classification-operation
. - Выберите Удалить и следуйте подсказкам.
- Повторите эти шаги, чтобы удалить
ticket-classification-resource
конечная точка.
Затем удалите созданные вами пользовательские классификации. - Выберите Пользовательская классификация в навигационной панели.
- Выберите
classification ticket-classification-operation
. - Выберите Нет имени версии.
- Выберите Удалить и следуйте подсказкам.
- Повторите эти шаги, чтобы удалить
ticket-classification-resource
классификация.
Amazon S3
Затем очистите созданное вами ведро S3.
- В консоли Amazon S3 выберите созданную вами корзину.
- Удалите все объекты в ведре.
- Удалите ведро.
Amazon QuickSight
Удалите созданные вами анализы QuickSight и набор данных.
- На консоли QuickSight выберите Анализ в навигационной панели.
- Выберите значок параметров (три точки) на созданном анализе.
- Выберите Удалить и следуйте подсказкам.
- Выберите Datasets в навигационной панели.
- Выберите
tickets
набор данных. - Выберите Удалить набор данных и следуйте подсказкам.
AWS CloudFormation
Очистите ресурсы, которые вы создали как часть стека CloudFormation.
- В консоли AWS CloudFormation выберите Стеки в навигационной панели.
- Выберите
Ticket-Classification-Infrastructure
стек. - На Полезные ресурсы выберите физический идентификатор
ClassificationDeliveryStreamS3Bucket
.
Откроется консоль Amazon S3. - Удалите все объекты в этом сегменте.
- Вернитесь в консоль AWS CloudFormation, выберите Удалитьи следуйте инструкциям.
Менеджер секретов AWS
Наконец, удалите секрет диспетчера секретов.
- В консоли Secrets Manager выберите секрет
ClassificationRedshiftClusterPassword
. - На Действия Меню, выберите Удалить секрет.
- Установите период ожидания 7 дней и выберите Запланировать удаление.
Ваш секрет будет автоматически удален через 7 дней.
Заключение
В этом посте вы узнали, как использовать сервисы AWS для создания автоматической системы классификации и рекомендаций. Это решение поможет вашим организациям построить следующий рабочий процесс:
- Классифицировать запросы клиентов.
- Рекомендовать автоматизированные решения.
- Проанализируйте классификации запросов клиентов и найдите самые популярные запросы клиентов.
- Выпустите новое автоматизированное решение и увеличьте уровень автоматизации.
Дополнительные сведения об Amazon Comprehend см. Документация по Amazon. Вы также можете открыть для себя другие функции Amazon Comprehend и почерпнуть вдохновение из других Сообщения в блоге AWS об использовании Amazon Comprehend вне всякой классификации.
Об авторах
Сонёль Джерри Чо — старший инженер по разработке систем в компании AWS Managed Services, расположенной в Сиднее, Австралия. Он занимается созданием масштабируемого и автоматизированного программного обеспечения для облачных операций с использованием различных технологий, включая машинное обучение. Вне работы он любит путешествовать, ходить в походы, читать, готовить и бегать.
Ману Сасикумар является старшим системным инженером-менеджером в AWS Managed Services. Ману и его команда сосредоточены на создании мощных и простых в использовании средств автоматизации для сокращения ручного труда, а также на создании решений на основе искусственного интеллекта и машинного обучения для управления запросами клиентов. Помимо работы, он любит проводить свободное время со своей семьей, а также участвовать в различных гуманитарных и волонтерских мероприятиях.
- Коинсмарт. Лучшая в Европе биржа биткойнов и криптовалют.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. БЕСПЛАТНЫЙ ДОСТУП.
- КриптоХок. Альткоин Радар. Бесплатная пробная версия.
- Источник: https://aws.amazon.com/blogs/machine-learning/how-service-providers-can-use-natural-language-processing-to-gain-insights-from-customer-tickets-with-amazon- постигать/
- "
- 100
- 7
- a
- О нас
- доступ
- По
- Учетная запись
- точный
- через
- Действие
- активно
- адрес
- продвинутый
- AI
- Все
- позволяет
- уже
- Несмотря на то, что
- Amazon
- анализ
- аналитика
- анализировать
- API
- Применение
- Приложения
- соответствующий
- архитектура
- назначенный
- аудит
- Австралия
- автоматизировать
- Автоматизированный
- Автоматический
- автоматически
- автоматизация
- доступен
- AWS
- , так как:
- до
- не являетесь
- ниже
- ЛУЧШЕЕ
- между
- Beyond
- Заблокировать
- Блог
- граница
- строить
- Строительство
- бизнес
- бизнес-аналитика
- призывают
- кандидатов
- Пропускная способность
- захватить
- перехватывает
- Категории
- Вызывать
- шансы
- каналы
- символы
- расходы
- Графики
- Выберите
- выбранный
- класс
- классификация
- облако
- код
- Column
- полный
- Вычисление
- доверие
- Конфигурация
- Свяжитесь
- связи
- Коммутация
- последовательный
- Консоли
- содержит
- продолжать
- рентабельным
- Создайте
- создали
- Создающий
- создание
- Полномочия
- изготовленный на заказ
- клиент
- Клиенты
- настроить
- данным
- База данных
- базы данных
- задерживать
- обеспечивает
- в зависимости
- развертывание
- описано
- подробнее
- Развитие
- различный
- обнаружить
- Документация
- не
- двойной
- легко
- Простой в использовании
- редактор
- затрат
- усилие
- включить
- позволяет
- шифрование
- Конечная точка
- Двигатель
- инженер
- Инженеры
- Enter
- существенный
- По оценкам,
- пример
- Кроме
- существующий
- эксперту
- семья
- Особенность
- Особенности
- финансовый
- First
- Фокус
- фокусируется
- следовать
- после
- следующим образом
- от
- Выполнять
- функция
- порождать
- ГЛОБАЛЬНО
- группы
- Управляемость
- Аппаратные средства
- помощь
- помогает
- High
- очень
- состоялся
- Как
- How To
- HTTPS
- гуманитарное
- ICON
- осуществлять
- импортирующий
- В том числе
- Увеличение
- расширились
- информация
- Инфраструктура
- вход
- размышления
- Вдохновение
- интегрировать
- Интеллекта
- вопрос
- вопросы
- IT
- Основные
- ключи
- этикетка
- язык
- большой
- больше
- запуск
- узнали
- изучение
- Вероятно
- линия
- линий
- Список
- загрузка
- посмотреть
- машина
- обучение с помощью машины
- сделанный
- техническое обслуживание
- управлять
- управляемого
- менеджер
- управления
- руководство
- вручную
- материалы
- упомянутый
- может быть
- минимальный
- ML
- Мобильный телефон
- модель
- Модели
- деньги
- БОЛЕЕ
- с разными
- имена
- натуральный
- Навигация
- необходимо
- потребности
- уведомление
- номер
- открытый
- Откроется
- операция
- Операционный отдел
- Возможности
- Опции
- организация
- организации
- Другие контрактные услуги
- общий
- собственный
- пакет
- часть
- Пароль
- Люди
- производительность
- период
- физический
- Стержень
- мощный
- представить
- предыдущий
- цена
- Процессы
- обработка
- для защиты
- обеспечивать
- при условии
- поставщики
- что такое варган?
- покупки
- повышение
- Reading
- реального времени
- рекомендуя
- уменьшить
- Цена снижена
- область
- отчету
- Отчеты
- запросить
- Запросы
- Требования
- ресурс
- Полезные ресурсы
- в результате
- Итоги
- Возвращает
- дорога
- Run
- Бег
- масштабируемые
- Шкала
- секунды
- Serverless
- обслуживание
- Услуги
- набор
- подпись
- просто
- одинарной
- Размер
- So
- Software
- твердый
- Решение
- Решения
- некоторые
- Space
- Расходы
- стек
- стандарт
- Начало
- начинается
- Статус:
- диск
- магазин
- магазины
- поток
- потоковый
- структурированный
- представленный
- поддержка
- Сидней
- система
- системы
- команда
- технологии
- тестXNUMX
- Тестирование
- Ассоциация
- тем самым
- три
- Через
- по всему
- билет
- билеты
- время
- Название
- инструментом
- инструменты
- топ
- Обучение
- Transform
- путешествовать
- Тенденции
- Типы
- открывай
- созданного
- единиц
- Обновление ПО
- использование
- обычно
- UTC
- использовать
- ценностное
- разнообразие
- различный
- версия
- Вид
- волонтер
- ждать
- Web
- Что
- КТО
- широко распространена
- в
- без
- Работа
- работает
- ВАШЕ