Клієнти все частіше звертаються до оглядів продуктів, щоб приймати зважені рішення під час покупки, незалежно від того, купують вони повсякденні речі, як-от кухонний рушник, чи роблять серйозні покупки, як-от купівлю автомобіля. Ці огляди перетворилися на важливе джерело інформації, що дозволяє покупцям отримати доступ до думок і досвіду інших клієнтів. У результаті огляди продуктів стали ключовим аспектом будь-якого магазину, пропонуючи цінні відгуки та інформацію, щоб допомогти прийняти рішення про покупку.
Amazon має один із найбільших магазинів із сотнями мільйонів доступних товарів. У 2022 році 125 мільйонів клієнтів надали майже 1.5 мільярда відгуків і рейтингів магазинам Amazon, що робить онлайн-огляди на Amazon надійним джерелом відгуків для клієнтів. У масштабі оглядів продуктів, які надсилаються щомісяця, важливо перевірити, чи ці огляди відповідають Правила спільноти Amazon щодо прийнятної мови, слів, відео та зображень. Ця практика застосована, щоб гарантувати клієнтам отримання точної інформації про продукт і запобігти тому, щоб відгуки містили ненормативну лексику, образливі зображення або будь-який тип ворожих висловлювань, спрямованих проти окремих осіб або спільнот. Дотримуючись цих вказівок, Amazon може підтримувати безпечне та інклюзивне середовище для всіх клієнтів.
Автоматизація модерації вмісту дозволяє Amazon масштабувати процес, зберігаючи високу точність. Це складний проблемний простір з унікальними викликами та потребує різних технік для тексту, зображень і відео. Зображення є важливою складовою огляду продукту, часто справляючи більш миттєвий вплив на клієнтів, ніж текст. с Модерація вмісту Amazon Rekognition, Amazon може автоматично виявляти шкідливі зображення в оглядах продуктів з більшою точністю, зменшуючи залежність від рецензентів для модерування такого вмісту. Розпізнавання. Модерація вмісту допомогла покращити добробут людей-модераторів і досягти значної економії коштів.
Модерація за допомогою моделей ML, розміщених на власному хості
Команда Amazon Shopping розробила та впровадила систему модерації, яка використовує машинне навчання (ML) у поєднанні з перевіркою людиною в циклі (HITL), щоб гарантувати, що відгуки про продукт стосуються взаємодії споживачів із продуктом і не містять неприйнятних чи шкідливий вміст відповідно до правил спільноти. Підсистема модерації зображень, як показано на наступній схемі, використовувала кілька самостійних та самонавчених моделей комп’ютерного зору для виявлення зображень, які порушують інструкції Amazon. Обробник рішень визначає дію модерації та вказує причини свого рішення на основі результатів моделей ML, таким чином вирішуючи, чи потребує зображення подальший перегляд модератором-людиною, чи може бути автоматично схвалено чи відхилено.
З цими самостійно розміщеними моделями ML команда почала з автоматизації рішень щодо 40% зображень, отриманих у рамках оглядів, і протягом багатьох років постійно працювала над удосконаленням рішення, зіткнувшись із кількома проблемами:
- Постійні зусилля щодо підвищення рівня автоматизації – Команда бажала підвищити точність алгоритмів ML, прагнучи збільшити рівень автоматизації. Це вимагає постійних інвестицій у маркування даних, науку про дані та MLO для навчання та розгортання моделей.
- Складність системи – Складність архітектури вимагає інвестицій у MLOps, щоб забезпечити ефективне масштабування процесу висновку ML відповідно до зростаючого трафіку надсилання вмісту.
Замініть самостійно розміщені моделі ML API Rekognition Content Moderation
Amazon Rekognition – це служба керованого штучного інтелекту (AI), яка пропонує попередньо підготовлені моделі через інтерфейс API для модерація зображень і відео. Він широко використовується в таких галузях, як електронна комерція, соціальні медіа, ігри, програми для онлайн-знайомств та інші для модерування створеного користувачами контенту (UGC). Це включає низку типів вмісту, наприклад огляди продуктів, профілі користувачів і модерацію публікацій у соціальних мережах.
Rekognition Content Moderation автоматизує та оптимізує робочі процеси модерації зображень і відео, не вимагаючи досвіду ML. Клієнти Amazon Rekognition можуть обробляти мільйони зображень і відео, ефективно виявляючи неприйнятний або небажаний вміст за допомогою повністю керованих API і настроюваних правил модерації, щоб захистити користувачів і забезпечити відповідність бізнесу.
Команда успішно перенесла підмножину самокерованих моделей ML у системі модерації зображень для виявлення оголеного тіла та вмісту, небезпечного для роботи (NSFW) до Amazon Rekognition Detect Moderation API, використовуючи переваги високоточних і комплексних попередньо навчених моделей модерації. . Завдяки високій точності Amazon Rekognition команда змогла автоматизувати більше рішень, заощадити кошти та спростити архітектуру своєї системи.
Покращена точність і розширені категорії модерації
Реалізація API модерації зображень Amazon Rekognition дозволило підвищити точність виявлення невідповідного вмісту. Це означає, що додатковий приблизно 1 мільйон зображень на рік буде автоматично модеруватися без необхідності перевірки людиною.
Оперативна досконалість
Команда Amazon Shopping змогла спростити архітектуру системи, зменшивши робочі зусилля, необхідні для керування та обслуговування системи. Цей підхід заощадив їм місяці зусиль DevOps на рік, а це означає, що тепер вони можуть приділяти свій час розробці інноваційних функцій замість того, щоб витрачати його на оперативні завдання.
Зниження витрат
Висока точність Rekognition Content Moderation дозволила команді надсилати менше зображень для перевірки людьми, включно з потенційно неприйнятним вмістом. Це зменшило витрати, пов’язані з модерацією людьми, і дозволило модераторам зосередити свої зусилля на більш важливих бізнес-завданнях. У поєднанні з підвищенням ефективності DevOps команда Amazon Shopping досягла значної економії коштів.
Висновок
Перехід від самостійно розміщених моделей ML до Amazon Rekognition Moderation API для модерації огляду продукту може надати багато переваг для компаній, зокрема значну економію коштів. Автоматизуючи процес модерації, онлайн-магазини можуть швидко й точно модерувати великі обсяги відгуків про продукт, покращуючи взаємодію з клієнтами, забезпечуючи швидке видалення неприйнятного або спаму. Крім того, за допомогою керованого сервісу, такого як Amazon Rekognition Moderation API, компанії можуть скоротити час і ресурси, необхідні для розробки та підтримки власних моделей, що може бути особливо корисним для компаній з обмеженими технічними ресурсами. Гнучкість API також дозволяє онлайн-магазинам налаштовувати свої правила модерації та порогові значення відповідно до своїх конкретних потреб.
Дізнатися більше про модерація контенту на AWS і наші модерування вмісту. Варіанти використання ML. Зробіть перший крок назустріч спрощення операцій модерації вмісту за допомогою AWS.
Про авторів
Шипра Канорія є головним менеджером із продуктів в AWS. Вона захоплено допомагає клієнтам вирішувати їхні найскладніші проблеми за допомогою можливостей машинного навчання та штучного інтелекту. Перш ніж приєднатися до AWS, Шипра пропрацювала понад 4 роки в Amazon Alexa, де вона запустила багато функцій, пов’язаних з продуктивністю, у голосовому помічнику Alexa.
Лука Агостіно Рубіно є головним інженером програмного забезпечення в команді Amazon Shopping. Він працює над такими функціями спільноти, як відгуки клієнтів і запитання та відповіді, протягом багатьох років зосереджуючись на модерації вмісту та масштабуванні й автоматизації рішень машинного навчання.
Лана Чжан є старшим архітектором рішень у команді AWS WWSO AI Services, яка спеціалізується на штучному інтелекті та машинному моделюванні для модерації вмісту, комп’ютерного зору, обробки природної мови та генеративного штучного інтелекту. Завдяки своєму досвіду вона присвятила себе просуванню рішень AWS AI/ML і допомозі клієнтам трансформувати їхні бізнес-рішення в різних галузях, включаючи соціальні мережі, ігри, електронну комерцію, медіа, рекламу та маркетинг.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
- PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
- ПлатонЕСГ. Автомобільні / електромобілі, вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
- PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
- ChartPrime. Розвивайте свою торгову гру за допомогою ChartPrime. Доступ тут.
- BlockOffsets. Модернізація екологічної компенсаційної власності. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- : має
- :є
- : ні
- :де
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- Здатний
- МЕНЮ
- прийнятний
- доступ
- точність
- точний
- точно
- Achieve
- досягнутий
- через
- дію
- Додатковий
- Додатково
- прийнята
- Перевага
- реклама
- AI
- Послуги ШІ
- AI / ML
- прицілювання
- Alexa
- алгоритми
- вирівнювати
- ВСІ
- виділяти
- дозволено
- дозволяє
- Також
- Amazon
- Amazon Rekognition
- Amazon Web Services
- an
- та
- будь-який
- API
- Інтерфейси
- підхід
- затверджений
- приблизний
- додатка
- архітектура
- ЕСТЬ
- штучний
- штучний інтелект
- Штучний інтелект (AI)
- AS
- зовнішній вигляд
- Помічник
- допомагати
- асоційований
- At
- автоматизувати
- автоматизує
- автоматично
- автоматизація
- Автоматизація
- доступний
- AWS
- заснований
- BE
- ставати
- було
- перед тим
- Переваги
- Мільярд
- бізнес
- підприємства
- Купівля
- by
- CAN
- автомобіль
- випадків
- проблеми
- комбінований
- спільноти
- співтовариство
- Компанії
- комплекс
- складність
- поступливий
- компонент
- всеосяжний
- комп'ютер
- Комп'ютерне бачення
- зв'язок
- містити
- зміст
- Типи вмісту
- безперервний
- постійно
- внесок
- Коштувати
- економія на витратах
- витрати
- може
- вирішальне значення
- клієнт
- Досвід клієнтів
- Клієнти
- настроюється
- налаштувати
- дані
- наука про дані
- датування
- Вирішивши
- рішення
- рішення
- присвячених
- розгортання
- призначений
- бажаний
- виявляти
- Виявлення
- визначає
- розвивати
- розвивається
- різний
- Різне
- Не знаю
- e-commerce
- електронної комерції
- ефективність
- продуктивно
- зусилля
- зусилля
- включений
- дозволяє
- виконання
- інженер
- забезпечувати
- забезпечення
- Навколишнє середовище
- особливо
- істотний
- Кожен
- повсякденний
- розширений
- досвід
- Досліди
- експертиза
- облицювання
- риси
- зворотний зв'язок
- менше
- Перший
- відповідати
- Гнучкість
- Сфокусувати
- фокусування
- після
- для
- від
- повністю
- далі
- прибуток
- азартні ігри
- генеративний
- Генеративний ШІ
- Зростання
- гарантувати
- керівні вказівки
- шкідливий
- Мати
- he
- допомога
- допоміг
- допомогу
- її
- Високий
- вище
- дуже
- Як
- HTML
- HTTPS
- людина
- Сотні
- сотні мільйонів
- зображення
- зображень
- Негайний
- Impact
- реалізація
- реалізовані
- удосконалювати
- поліпшення
- in
- includes
- У тому числі
- Включно
- Augmenter
- все більше і більше
- осіб
- промисловості
- повідомити
- інформація
- повідомив
- інноваційний
- розуміння
- замість
- Інтелект
- інтерфейс
- в
- інвестиції
- IT
- пунктів
- ЙОГО
- приєднання
- подорож
- JPG
- тримати
- зберігання
- маркування
- мова
- великий
- найбільших
- запущений
- вивчення
- як
- обмеженою
- машина
- навчання за допомогою машини
- підтримувати
- основний
- зробити
- Робить
- управляти
- вдалося
- менеджер
- багато
- Маркетинг
- засоби
- Медіа
- Зустрічатися
- мігрували
- мільйона
- мільйони
- ML
- MLOps
- Моделі
- помірність
- місяць
- місяців
- більше
- найбільш
- множинний
- Природний
- Обробка природних мов
- майже
- Необхідність
- необхідний
- потреби
- зараз
- NSFW
- of
- наступ
- пропонує
- Пропозиції
- часто
- on
- ONE
- онлайн
- оперативний
- операції
- Думки
- or
- Інше
- інші
- наші
- вихід
- над
- загальний
- власний
- частина
- пристрасний
- для
- місце
- plato
- Інформація про дані Платона
- PlatoData
- пошта
- потенційно
- влада
- практика
- запобігати
- Головний
- Проблема
- проблеми
- процес
- обробка
- Product
- менеджер по продукції
- Відгуки про товар
- Профілі
- сприяння
- забезпечувати
- забезпечує
- забезпечення
- покупка
- Купівля
- покупка
- швидко
- діапазон
- ставка
- рейтинги
- Причини
- отримати
- отримано
- зменшити
- Знижений
- зниження
- про
- доречний
- опора
- Вилучено
- вимагається
- Вимагається
- ресурси
- результат
- огляд
- Відгуки
- Правила
- сейф
- зберегти
- Економія
- шкала
- ваги
- Масштабування
- наука
- послати
- старший
- обслуговування
- Послуги
- кілька
- вона
- покупка
- значний
- спростити
- соціальна
- соціальні медіа
- Софтвер
- Інженер-програміст
- solid
- рішення
- Рішення
- ВИРІШИТИ
- Source
- Простір
- спам
- спеціалізується
- конкретний
- мова
- Витрати
- відпрацьований
- почалася
- Крок
- зберігати
- магазинів
- уявлення
- представлений
- Успішно
- такі
- система
- Приймати
- взяття
- завдання
- команда
- технічний
- методи
- ніж
- Що
- Команда
- їх
- Їх
- тим самим
- Ці
- вони
- це
- через
- час
- до
- до
- трафік
- Навчання
- перетворений
- перетворення
- Поворот
- тип
- Типи
- створеного
- небажаний
- використання
- користувач
- користувачі
- використовує
- використання
- використовувати
- Цінний
- перевірити
- Відео
- Відео
- бачення
- Голос
- Обсяги
- було
- Web
- веб-сервіси
- Чи
- який
- в той час як
- широко
- волі
- з
- без
- слова
- Work
- працював
- Робочі процеси
- працює
- рік
- років
- вашу
- зефірнет