Searchmetrics 如何使用 Amazon SageMaker 自动查找相关关键字并将其人工分析师的速度提高 20%

Searchmetrics 是搜索数据、软件和咨询解决方案的全球提供商，帮助客户将搜索数据转化为独特的业务洞察力。 迄今为止，Searchmetrics 已帮助麦肯锡公司、Lowe's 和 AXA 等 1,000 多家公司在竞争激烈的搜索领域找到了优势。

2021 年，Searchmetrics 求助于 AWS 来帮助使用人工智能 (AI)，以进一步提高其搜索洞察能力。

在这篇文章中，我们分享了 Searchmetrics 如何构建一个人工智能解决方案，通过自动查找任何给定主题的相关搜索关键字，将人力效率提高 20%，使用 亚马逊SageMaker 以及它与 Hugging Face 的原生集成。

使用 AI 从关键字列表中识别相关性

Searchmetrics 洞察力产品的一个关键部分是它能够识别与给定主题或搜索意图最相关的搜索关键字。

为此，Searchmetrics 有一个分析师团队评估给定特定种子词的某些关键字的潜在相关性。 分析师使用内部工具来查看给定主题中的关键字和生成的潜在相关关键字列表，然后他们必须选择一个或多个与该主题相关的相关关键字。

这种手动过滤和选择过程非常耗时，并且降低了 Searchmetrics 向客户提供洞察力的能力。

为了改进这一过程，Searchmetrics 试图构建一种 AI 解决方案，该解决方案可以使用自然语言处理 (NLP) 来理解给定搜索主题的意图，并自动按相关性对潜在关键字的未见列表进行排名。

使用 SageMaker 和 Hugging Face 快速构建高级 NLP 功能

为了解决这个问题，Searchmetrics 的工程团队求助于 SageMaker，这是一个端到端的机器学习 (ML) 平台，可帮助开发人员和数据科学家快速轻松地构建、训练和部署 ML 模型。

SageMaker 通过简化 ML 构建过程来加速 ML 工作负载的部署。 它在完全托管的基础架构之上提供了广泛的 ML 功能。 这消除了经常阻碍 ML 开发的无差别繁重工作。

Searchmetrics 之所以选择 SageMaker，是因为它在 ML 开发过程的每一步都提供了全方位的功能：

• SageMaker 笔记本电脑 使 Searchmetrics 团队能够快速启动完全托管的 ML 开发环境、执行数据预处理并尝试不同的方法
• 批量转换 SageMaker 中的功能使 Searchmetrics 能够有效地批量处理其推理负载，并在生产中轻松集成到其现有的 Web 服务中

Searchmetrics 还对 SageMaker 与 拥抱脸，这是一家令人兴奋的 NLP 初创公司，通过其广受欢迎的 Transformers 库，可以轻松访问 7,000 多种预训练的语言模型。

SageMaker 通过专用的 Hugging Face 估计器提供与 Hugging Face 的直接集成 SageMaker 开发工具包. 这使得在完全托管的 SageMaker 基础架构上运行 Hugging Face 模型变得容易。

通过这种集成，Searchmetrics 能够测试和试验一系列不同的模型和方法，以找到对其用例表现最佳的方法。

最终解决方案使用零样本分类管道来识别最相关的关键字。 评估了不同的预训练模型和查询策略，其中 脸书/巴特-大-mnli 提供最有希望的结果。

使用 AWS 提高运营效率并寻找新的创新机会

借助 SageMaker 及其与 Hugging Face 的原生集成，Searchmetrics 能够构建、训练和部署 NLP 解决方案，该解决方案可以理解给定主题并根据其相关性准确地对看不见的关键字列表进行排名。 SageMaker 提供的工具集使实验和部署变得更加容易。

当与 Searchmetrics 现有的内部工具集成时，这种 AI 功能可将人类分析师完成工作所需的时间平均减少 20%。 这导致更高的吞吐量、改进的用户体验和更快的新用户入职。

这一初步成功不仅提高了 Searchmetrics 搜索分析师的运营绩效，还帮助 Searchmetrics 绘制了一条更清晰的道路，在其业务中使用 AI 部署更全面的自动化解决方案。

这些令人兴奋的新创新机会帮助 Searchmetrics 继续提高他们的洞察能力，并帮助他们确保客户在竞争激烈的搜索领域继续保持领先地位。

此外，Hugging Face 和 AWS 在 2022 年初宣布建立合作伙伴关系，这使得在 SageMaker 上训练 Hugging Face 模型变得更加容易。 此功能可通过 Hugging Face 的开发获得 AWS深度学习容器 （DLC）。 这些容器包括 Hugging Face Transformers、Tokenizer 和 Datasets 库，它允许我们将这些资源用于训练和推理工作。

有关可用 DLC 图像的列表，请参阅可用 深度学习容器图像, 使用安全补丁进行维护和定期更新。 您可以找到许多关于如何使用这些 DLC 和 拥抱脸 Python SDK 在下面的 GitHub回购.

详细了解如何通过访问 AI/ML 来提高您的创新能力 Amazon SageMaker 入门, 通过复习获得动手学习内容 Amazon SageMaker 开发人员资源，或访问 在 Amazon SageMaker 上拥抱脸.

---

关于作者

丹尼尔·伯克 是 AWS 私募股权部门 AI 和 ML 的欧洲负责人。 Daniel 直接与私募股权基金及其投资组合公司合作，帮助他们加快 AI 和 ML 的采用，以改进创新并增加企业价值。

• 硬币聪明。 欧洲最好的比特币和加密货币交易所。
• 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 自由登入。
• 加密鹰。 山寨币雷达。 免费试用。
• 来源：https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their- human-analysts-20-快点/