Tartalomcímkék javasolás mély tanulással és NLP-val

Container Registry
Data Science Virtual Machine
Kubernetes Service
Machine Learning
SQL Server

Solution Idea

Ha szeretné látni, hogyan bővítjük ki ezt a cikket olyan további információkkal, mint a lehetséges esetek, az alternatív szolgáltatások, az implementációval kapcsolatos megfontolások vagy a díjszabási útmutató, GitHub visszajelzéssel!

A közösségi webhelyek, fórumok és más nagy szövegeket használó Q&A-szolgáltatások nagy mértékben támaszkodnak a tartalomcímkézésre, ami jó indexelést és felhasználói keresést tesz lehetővé. A tartalomcímkézést azonban gyakran a felhasználók saját belátása szerint követik. Mivel a felhasználók nem rendelkezik a gyakran keresett kifejezések listáival vagy a helystruktúra mély megértésével, gyakran félrecímkéik a tartalmat. A félrecímkéelt tartalmakat nehéz vagy lehetetlen megtalálni, amikor később szükség lesz rá.

A mély tanulás és a természetes nyelvi feldolgozás (NLP) és a webhelyspecifikus keresési kifejezésekben található adatok kombinálásával ez a megoldás jelentősen javítja a webhely tartalomcímkézési pontosságát. Miközben a felhasználók begépelik a tartalmakat, ez a megoldás gyakran használt kifejezéseket kínál javasolt tartalomcímkékként, így mások könnyebben megtalálják az információt.

Architektúra

Architektúradiagram: áttekintést nyújt Azure Machine Learning webhelyek tartalomcímkéinek javaslatára való használatának áttekintéséhez.

Töltse le az architektúra SVG-ját.

Összetevők

  • Microsoft SQL Server:Az adatok tárolása, strukturálása és indexelése a Microsoft SQL Server.
  • Azure Machine Learning:Modellbetanítás, beleértve a hiperparaméterek finomhangolását és a végső modell üzembe helyezését, beleértve a Kubernetes által felügyelt Azure-fürtre való felméretezést.
  • Azure Data Science Virtual Machine:A megoldás alapvető fejlesztési környezete egy személyre szabott virtuálisgép-rendszerkép az Azure-felhőplatformon, amely kifejezetten adattudományi célokra készült.
  • Jupyter-notebookokaz Azure Data Science VM: A Jupyter Notebookok a modell alap integrált fejlesztőkörnyezeteként (IDE) használhatók.
  • Azure Container Registry:A valós idejű webszolgáltatásokat Docker-tárolókként tárolja. Ezeket a tárolókat a rendszer feltölti és regisztrálja a Azure Container Registry.
  • Azure Kubernetes Service (AKS): A megoldás üzembe helyezése kubernetes Azure Kubernetes Service által felügyelt fürt futtatását használja. A tárolók üzembe helyezése a tárolókban tárolt rendszerképekből Azure Container Registry.

Következő lépések

Lásd a termékdokumentációt:

Próbálja ki az alábbi Microsoft Learn modulokat: