Kunder vänder sig alltmer till produktrecensioner för att fatta välgrundade beslut i sin shoppingresa, oavsett om de köper vardagliga föremål som en kökshandduk eller gör större köp som att köpa en bil. Dessa recensioner har förvandlats till en viktig informationskälla, vilket gör det möjligt för kunder att få tillgång till andra kunders åsikter och erfarenheter. Som ett resultat har produktrecensioner blivit en avgörande aspekt av alla butiker, och ger värdefull feedback och insikter som hjälper till att informera köpbeslut.
Amazon har en av de största butikerna med hundratals miljoner artiklar tillgängliga. År 2022 bidrog 125 miljoner kunder med nästan 1.5 miljarder recensioner och betyg till Amazon-butiker, vilket gjorde onlinerecensioner på Amazon till en solid källa till feedback för kunderna. På skalan av produktrecensioner som skickas in varje månad är det viktigt att verifiera att dessa recensioner överensstämmer med Amazons riktlinjer för communityn angående acceptabelt språk, ord, videor och bilder. Denna praxis är på plats för att garantera att kunderna får korrekt information om produkten och för att förhindra att recensioner inkluderar olämpligt språk, stötande bilder eller någon typ av hatretorik riktad mot individer eller samhällen. Genom att upprätthålla dessa riktlinjer kan Amazon upprätthålla en säker och inkluderande miljö för alla kunder.
Automatisering av innehållsmoderering gör att Amazon kan skala processen samtidigt som den håller hög noggrannhet. Det är ett komplext problemområde med unika utmaningar och som kräver olika tekniker för text, bilder och videor. Bilder är en relevant komponent i produktrecensioner och ger ofta en mer omedelbar inverkan på kunderna än text. Med Amazon Rekognition Content Moderering, kan Amazon automatiskt upptäcka skadliga bilder i produktrecensioner med högre noggrannhet, vilket minskar beroendet av mänskliga granskare för att moderera sådant innehåll. Moderering av erkännandeinnehåll har hjälpt till att förbättra välbefinnandet för mänskliga moderatorer och uppnå betydande kostnadsbesparingar.
Moderering med egenvärdiga ML-modeller
Amazon Shopping-teamet designade och implementerade ett modereringssystem som använder maskininlärning (ML) i kombination med human-in-the-loop (HITL) granskning för att säkerställa att produktrecensioner handlar om kundens upplevelse av produkten och inte innehåller olämpliga eller skadligt innehåll enligt communityns riktlinjer. Bildmodereringsundersystemet, som illustreras i följande diagram, använde flera egenvärdiga och egenutbildade datorseendemodeller för att upptäcka bilder som bryter mot Amazons riktlinjer. Beslutshanteraren bestämmer modereringsåtgärden och ger skäl för sitt beslut baserat på ML-modellernas utdata, och beslutar därigenom om bilden krävde en ytterligare granskning av en mänsklig moderator eller skulle automatiskt kunna godkännas eller avvisas.
Med dessa självvärdade ML-modeller började teamet med att automatisera beslut om 40 % av bilderna som togs emot som en del av recensionerna och arbetade kontinuerligt med att förbättra lösningen genom åren samtidigt som de stod inför flera utmaningar:
- Pågående ansträngningar för att förbättra automationshastigheten – Teamet ville förbättra noggrannheten hos ML-algoritmer, i syfte att öka automationshastigheten. Detta kräver kontinuerliga investeringar i datamärkning, datavetenskap och MLOps för modellutbildning och implementering.
- Systemkomplexitet – Arkitekturens komplexitet kräver investeringar i MLOs för att säkerställa att ML-inferensprocessen skalas effektivt för att möta den växande trafiken för innehållsöverföring.
Byt ut ML-modeller med egen värd med API:et för Rekognition Content Moderation
Amazon-erkännande är en hanterad artificiell intelligens (AI)-tjänst som erbjuder förutbildade modeller genom ett API-gränssnitt för bild- och videomoderering. Det har antagits allmänt av branscher som e-handel, sociala medier, spel, onlinedejtingappar och andra för att moderera användargenererat innehåll (UGC). Detta inkluderar en rad innehållstyper, såsom produktrecensioner, användarprofiler och moderering av inlägg i sociala medier.
Rekognition Content Moderering automatiserar och effektiviserar arbetsflöden för bild- och videomoderering utan att kräva ML-erfarenhet. Amazon Rekognition-kunder kan bearbeta miljontals bilder och videor, effektivt upptäcka olämpligt eller oönskat innehåll, med fullt hanterade API:er och anpassningsbara modereringsregler för att hålla användarna säkra och att företaget följer dem.
Teamet har framgångsrikt migrerat en undergrupp av självhanterade ML-modeller i bildmodereringssystemet för detektering av nakenhet och icke-säkert för arbete (NSFW) till Amazon Rekognition Detect Moderation API, och dra fördel av de mycket exakta och omfattande förutbildade modereringsmodellerna . Med den höga noggrannheten hos Amazon Rekognition har teamet kunnat automatisera fler beslut, spara kostnader och förenkla sin systemarkitektur.
Förbättrad noggrannhet och utökade modereringskategorier
Genomförandet av Amazon Rekognition bildmoderering API har resulterat i högre noggrannhet för upptäckt av olämpligt innehåll. Detta innebär att ytterligare cirka 1 miljon bilder per år kommer att modereras automatiskt utan behov av någon mänsklig granskning.
Operationell excellens
Amazon Shopping-teamet kunde förenkla systemarkitekturen, vilket minskade den operativa ansträngningen som krävs för att hantera och underhålla systemet. Detta tillvägagångssätt har sparat dem månader av DevOps-ansträngningar per år, vilket innebär att de nu kan avsätta sin tid till att utveckla innovativa funktioner istället för att spendera den på operativa uppgifter.
Kostnadsminskning
Den höga noggrannheten från Rekognition Content Moderation har gjort det möjligt för teamet att skicka färre bilder för mänsklig granskning, inklusive potentiellt olämpligt innehåll. Detta har minskat kostnaderna för mänsklig moderering och gjort det möjligt för moderatorer att fokusera sina ansträngningar på mer värdefulla affärsuppgifter. I kombination med DevOps effektivitetsvinster uppnådde Amazon Shopping-teamet betydande kostnadsbesparingar.
Slutsats
Att migrera från egenvärdiga ML-modeller till Amazon Rekognition Moderation API för moderering av produktrecensioner kan ge många fördelar för företag, inklusive betydande kostnadsbesparingar. Genom att automatisera modereringsprocessen kan onlinebutiker snabbt och exakt moderera stora volymer produktrecensioner, vilket förbättrar kundupplevelsen genom att se till att olämpligt innehåll eller spam-innehåll snabbt tas bort. Dessutom, genom att använda en hanterad tjänst som Amazon Rekognition Moderation API, kan företag minska tiden och resurserna som behövs för att utveckla och underhålla sina egna modeller, vilket kan vara särskilt användbart för företag med begränsade tekniska resurser. API:s flexibilitet tillåter också onlinebutiker att anpassa sina modereringsregler och trösklar för att passa deras specifika behov.
Läs mer om innehållsmoderering på AWS och vårt innehållsmoderering ML användningsfall. Ta första steget mot effektivisera din innehållsmoderering med AWS.
Om författarna
Shipra Kanoria är huvudproduktchef på AWS. Hon brinner för att hjälpa kunder att lösa sina mest komplexa problem med kraften i maskininlärning och artificiell intelligens. Innan Shipra började på AWS tillbringade hon över fyra år på Amazon Alexa, där hon lanserade många produktivitetsrelaterade funktioner på Alexa röstassistent.
Luca Agostino Rubino är en huvudprogramvaruingenjör i Amazon Shopping-teamet. Han arbetar med gemenskapsfunktioner som kundrecensioner och frågor och svar, med fokus genom åren på innehållsmoderering och på skalning och automatisering av maskininlärningslösningar.
Lana Zhang är en Senior Solutions Architect på AWS WWSO AI Services-teamet, specialiserat på AI och ML för Content Moderation, Computer Vision, Natural Language Processing och Generative AI. Med sin expertis är hon dedikerad till att marknadsföra AWS AI/ML-lösningar och hjälpa kunder att transformera sina affärslösningar inom olika branscher, inklusive sociala medier, spel, e-handel, media, reklam och marknadsföring.
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Fordon / elbilar, Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
- ChartPrime. Höj ditt handelsspel med ChartPrime. Tillgång här.
- BlockOffsets. Modernisera miljökompensation ägande. Tillgång här.
- Källa: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- : har
- :är
- :inte
- :var
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- Able
- Om oss
- godtagbart
- tillgång
- noggrannhet
- exakt
- exakt
- Uppnå
- uppnås
- tvärs
- Handling
- Annat
- Dessutom
- antagen
- Fördel
- reklam
- AI
- AI-tjänster
- AI / ML
- sikta
- alexa
- algoritmer
- rikta
- Alla
- fördela
- tillåts
- tillåter
- också
- amason
- Amazon-erkännande
- Amazon Web Services
- an
- och
- vilken som helst
- api
- API: er
- tillvägagångssätt
- godkänd
- ungefärlig
- appar
- arkitektur
- ÄR
- konstgjord
- artificiell intelligens
- Konstgjord intelligens (AI)
- AS
- aspekt
- Assistent
- bistå
- associerad
- At
- automatisera
- automatiserar
- automatiskt
- automatisera
- Automation
- tillgänglig
- AWS
- baserat
- BE
- blir
- varit
- innan
- Fördelarna
- Miljarder
- företag
- företag
- Uppköp
- by
- KAN
- bil
- fall
- utmaningar
- kombinerad
- samhällen
- samfundet
- Företag
- komplex
- Komplexiteten
- kompatibel
- komponent
- omfattande
- dator
- Datorsyn
- förening
- innehålla
- innehåll
- Innehållstyper
- kontinuerlig
- kontinuerligt
- bidrog
- Pris
- kostnadsbesparingar
- Kostar
- kunde
- avgörande
- kund
- kundupplevelse
- Kunder
- anpassningsbar
- skräddarsy
- datum
- datavetenskap
- datering
- Avgörande
- Beslutet
- beslut
- dedicerad
- utplacering
- utformade
- önskas
- upptäcka
- Detektering
- bestämd
- utveckla
- utveckla
- olika
- flera
- inte
- e-handel
- e-handel
- effektivitet
- effektivt
- ansträngning
- ansträngningar
- aktiverad
- möjliggör
- driva
- ingenjör
- säkerställa
- säkerställa
- Miljö
- speciellt
- väsentlig
- Varje
- dagliga
- expanderade
- erfarenhet
- Erfarenheter
- expertis
- vänd
- Funktioner
- återkoppling
- färre
- Förnamn
- passa
- Flexibilitet
- Fokus
- fokusering
- efter
- För
- från
- fullständigt
- ytterligare
- resultat
- Gaming
- generativ
- Generativ AI
- Odling
- garanti
- riktlinjer
- skadliga
- Har
- he
- hjälpa
- hjälpte
- hjälpa
- här
- Hög
- högre
- höggradigt
- Hur ser din drömresa ut
- html
- HTTPS
- humant
- Hundratals
- hundratals miljoner
- bild
- bilder
- omedelbar
- Inverkan
- genomförande
- genomföras
- förbättra
- förbättra
- in
- innefattar
- Inklusive
- Inkludering
- Öka
- alltmer
- individer
- industrier
- underrätta
- informationen
- informeras
- innovativa
- insikter
- istället
- Intelligens
- Gränssnitt
- in
- Investeringar
- IT
- artikel
- DESS
- sammanfogning
- resa
- jpg
- Ha kvar
- hålla
- märkning
- språk
- Large
- största
- lanserades
- inlärning
- tycka om
- Begränsad
- Maskinen
- maskininlärning
- bibehålla
- större
- göra
- Framställning
- hantera
- förvaltade
- chef
- många
- Marknadsföring
- betyder
- Media
- Möt
- migrerat
- miljon
- miljoner
- ML
- MLOps
- modeller
- måttfullhet
- Månad
- månader
- mer
- mest
- multipel
- Natural
- Naturlig språkbehandling
- nästan
- Behöver
- behövs
- behov
- nu
- NSFW
- of
- offensiv
- erbjuda
- Erbjudanden
- Ofta
- on
- ONE
- nätet
- operativa
- Verksamhet
- Åsikter
- or
- Övriga
- Övrigt
- vår
- produktion
- över
- övergripande
- egen
- del
- brinner
- för
- Plats
- plato
- Platon Data Intelligence
- PlatonData
- Inlägg
- potentiellt
- kraft
- praktiken
- förhindra
- Principal
- Problem
- problem
- process
- bearbetning
- Produkt
- produktchef
- Recensioner
- Profiler
- främja
- ge
- ger
- tillhandahålla
- inköp
- inköp
- inköp
- snabbt
- område
- Betygsätta
- betyg
- skäl
- motta
- mottagna
- minska
- Minskad
- reducerande
- om
- relevanta
- tillit
- avlägsnas
- Obligatorisk
- Kräver
- Resurser
- resultera
- översyn
- Omdömen
- regler
- säker
- Save
- Besparingar
- Skala
- skalor
- skalning
- Vetenskap
- sända
- senior
- service
- Tjänster
- flera
- hon
- Gå och Handla
- signifikant
- förenkla
- Social hållbarhet
- sociala medier
- Mjukvara
- Programvara ingenjör
- fast
- lösning
- Lösningar
- LÖSA
- Källa
- Utrymme
- skräppost
- specialiserat
- specifik
- tal
- Spendera
- spent
- igång
- Steg
- lagra
- lagrar
- underkastelse
- lämnats
- Framgångsrikt
- sådana
- system
- Ta
- tar
- uppgifter
- grupp
- Teknisk
- tekniker
- än
- den där
- Smakämnen
- deras
- Dem
- vari
- Dessa
- de
- detta
- Genom
- tid
- till
- mot
- trafik
- Utbildning
- transformerad
- omvandla
- Vrida
- Typ
- typer
- unika
- oönskade
- användning
- Användare
- användare
- användningar
- med hjälp av
- utnyttjas
- Värdefulla
- verifiera
- Video
- Video
- syn
- Röst
- volymer
- var
- webb
- webbservice
- om
- som
- medan
- brett
- kommer
- med
- utan
- ord
- Arbete
- arbetade
- arbetsflöden
- fungerar
- år
- år
- Din
- zephyrnet