Kako Searchmetrics uporablja Amazon SageMaker za samodejno iskanje ustreznih ključnih besed in omogoča 20 % hitrejše človeške analitike

Searchmetrics je globalni ponudnik iskalnih podatkov, programske opreme in svetovalnih rešitev, ki strankam pomaga pretvoriti iskalne podatke v edinstvene poslovne vpoglede. Do danes je Searchmetrics pomagal več kot 1,000 podjetjem, kot so McKinsey & Company, Lowe's in AXA, najti prednost v hiperkonkurenčnem iskalnem okolju.

Leta 2021 se je Searchmetrics obrnil na AWS za pomoč pri uporabi umetne inteligence (AI) za nadaljnje izboljšanje svojih zmožnosti vpogledov v iskanje.

V tej objavi delimo, kako je Searchmetrics izdelal rešitev umetne inteligence, ki je povečala učinkovitost svoje človeške delovne sile za 20 % s samodejnim iskanjem ustreznih iskalnih ključnih besed za katero koli dano temo z uporabo Amazon SageMaker in njegovo domačo integracijo z Hugging Face.

Uporaba AI za prepoznavanje ustreznosti s seznama ključnih besed

Ključni del ponudbe vpogledov Searchmetrics je njegova zmožnost prepoznavanja najustreznejših iskalnih ključnih besed za določeno temo ali namen iskanja.

Za to ima Searchmetrics skupino analitikov, ki ocenjujejo potencialno ustreznost določenih ključnih besed glede na določeno začetno besedo. Analitiki uporabljajo interno orodje za pregled ključne besede znotraj dane teme in ustvarjen seznam potencialno povezanih ključnih besed, nato pa morajo izbrati eno ali več povezanih ključnih besed, ki so pomembne za to temo.

Ta postopek ročnega filtriranja in izbire je bil zamuden in je upočasnil Searchmetricsovo zmožnost zagotavljanja vpogledov svojim strankam.

Za izboljšanje tega procesa je Searchmetrics skušal zgraditi rešitev AI, ki bi lahko uporabljala obdelavo naravnega jezika (NLP) za razumevanje namena dane teme iskanja in samodejno razvrstila neviden seznam potencialnih ključnih besed po pomembnosti.

Uporaba SageMakerja in Hugging Face za hitro gradnjo naprednih NLP zmogljivosti

Da bi to rešili, se je inženirska ekipa Searchmetrics obrnila na SageMaker, platformo za strojno učenje (ML) od konca do konca, ki razvijalcem in podatkovnim znanstvenikom pomaga hitro in preprosto zgraditi, usposobiti in uvesti modele ML.

SageMaker pospeši uvajanje delovnih obremenitev ML s poenostavitvijo postopka izdelave ML. Zagotavlja širok nabor zmogljivosti ML poleg popolnoma upravljane infrastrukture. To odstrani nediferencirano dvigovanje težkih stvari, ki prepogosto ovira razvoj ML.

Searchmetrics je izbral SageMaker zaradi celotnega nabora zmogljivosti, ki jih ponuja na vsakem koraku razvojnega procesa ML:

• SageMaker zvezki je ekipi Searchmetrics omogočilo, da hitro razvije popolnoma upravljana razvojna okolja ML, izvede predobdelavo podatkov in eksperimentira z različnimi pristopi.
• O serijska preobrazba zmožnosti v SageMakerju so Searchmetricsu omogočile učinkovito masovno obdelavo svojih sklepnih koristnih obremenitev ter preprosto integracijo v svojo obstoječo spletno storitev v proizvodnji

Searchmetrics je še posebej zanimala izvorna integracija SageMakerja s Objemni obraz, vznemirljivo zagonsko podjetje NLP, ki omogoča enostaven dostop do več kot 7,000 vnaprej usposobljenih jezikovnih modelov prek svoje priljubljene knjižnice Tranformers.

SageMaker zagotavlja neposredno integracijo z Hugging Face prek namenskega ocenjevalca Hugging Face v SDK SageMaker. To olajša izvajanje modelov Hugging Face na popolnoma upravljani infrastrukturi SageMaker.

S to integracijo je Searchmetrics lahko testiral in eksperimentiral z vrsto različnih modelov in pristopov, da bi našel najuspešnejši pristop za njihov primer uporabe.

Končna rešitev uporablja cevovod zero-shot klasifikacije za identifikacijo najbolj ustreznih ključnih besed. Ocenjeni so bili različni vnaprej usposobljeni modeli in strategije poizvedb, s facebook/bart-large-mnli zagotavljanje najbolj obetavnih rezultatov.

Uporaba AWS za izboljšanje operativne učinkovitosti in iskanje novih priložnosti za inovacije

S SageMakerjem in njegovo izvorno integracijo z Hugging Face je Searchmetrics lahko zgradil, usposobil in uvedel rešitev NLP, ki je lahko razumela dano temo in natančno razvrstila neviden seznam ključnih besed na podlagi njihove ustreznosti. Nabor orodij, ki ga ponuja SageMaker, je olajšal eksperimentiranje in uvajanje.

Ko je bila integrirana z obstoječim internim orodjem Searchmetrics, je ta zmogljivost umetne inteligence zagotovila povprečno 20-odstotno zmanjšanje časa, ki ga potrebujejo človeški analitiki, da dokončajo svoje delo. Rezultat tega je večja prepustnost, izboljšana uporabniška izkušnja in hitrejše vključevanje novih uporabnikov.

Ta začetni uspeh ni le izboljšal operativne uspešnosti Searchmetricsovih iskalnih analitikov, ampak je tudi pomagal Searchmetrics začrtati jasnejšo pot do uvajanja celovitejših avtomatizacijskih rešitev z uporabo umetne inteligence v svojem poslovanju.

Te vznemirljive nove priložnosti za inovacije pomagajo podjetju Searchmetrics še naprej izboljševati svoje zmožnosti vpogledov in jim tudi pomagajo zagotoviti, da bodo stranke še naprej vodilne v hiperkonkurenčnem iskalnem okolju.

Poleg tega sta Hugging Face in AWS napovedala partnerstvo v začetku leta 2022, ki še olajša usposabljanje modelov Hugging Face na SageMakerju. Ta funkcionalnost je na voljo z razvojem Hugging Face AWS posode za globoko učenje (DLC-ji). Ti vsebniki vključujejo Hugging Face Transformers, Tokenizers in knjižnico Datasets, ki nam omogoča uporabo teh virov za usposabljanje in opravila sklepanja.

Za seznam razpoložljivih slik DLC glejte Dostopno Slike vsebnikov za globoko učenje, ki se vzdržujejo in redno posodabljajo z varnostnimi popravki. Najdete lahko veliko primerov, kako trenirati modele Hugging Face s temi DLC-ji in Hugging Face Python SDK V nadaljevanju GitHub repo.

Izvedite več o tem, kako lahko pospešite svojo sposobnost za inovacije z AI/ML, tako da obiščete Kako začeti uporabljati Amazon SageMaker, pridobitev praktične učne vsebine s pregledovanjem Viri za razvijalce Amazon SageMaker, ali na obisku Hugging Face na Amazon SageMaker.

---

O Author

Daniel Burke je evropski vodja za AI in ML v skupini zasebnega kapitala pri AWS. Daniel sodeluje neposredno s skladi zasebnega kapitala in njihovimi portfeljskimi podjetji ter jim pomaga pospešiti uvajanje umetne inteligence in strojnega učenja za izboljšanje inovacij in povečanje vrednosti podjetja.

• Coinsmart. Najboljša evropska borza bitcoinov in kriptovalut.
• Platoblockchain. Web3 Metaverse Intelligence. Razširjeno znanje. PROST DOSTOP.
• CryptoHawk. Altcoin radar. Brezplačen preizkus.
• Vir: https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their-human-analysts-20- hitreje/