Tudásbányászat

Befejeződött

Mi az a Knowledge Mining?

A való életből vett adatok zavarosak. Ez gyakran az adathordozó-típusokra, például a szöveges dokumentumokra, a PDF-fájlokra, a képekre és az adatbázisokra terjed ki. Folyamatosan változik, folyamatosan növekszik, és értékes ismereteket kínál olyan módon, amely nem használható fel azonnal. Az adatbányászat arra utal, hogy az információk lekérése és az elemzések nagy mennyiségű adaton belüli kinyerése is lehetséges. A Azure Search lehetővé teszi, hogy a beépített AI-funkciók használatával az összes tartalom – dokumentumok, lemezképek és adathordozók – segítségével feltárhatja a rejtett információkat. A Azure Search az egyetlen olyan felhőalapú keresési szolgáltatás, amely beépített AI-képességekkel rendelkezik, amelyek lehetővé teszik a tartalomban lévő minták és kapcsolatok felderítését, az érzelmek megértését, a legfontosabb kifejezések kinyerését és egyéb lehetőségeket. Az ügyfél-támogatási szervezetek például gyakran a Knowledge Mining használatával kinyerik az adatok és az intelligencia dokumentációját. Az ügyfelek hangulatát az ügynök termelékenységének és felhasználói élményének javítása érdekében elemezni tudják.

Videó lejátszását jelző ikon Tekintse meg ezt a videót, amelyből megtudhatja, hogy a tudás-bányászat hogyan segíthet feloldani az összes tartalomban található, látens információkat.

Most, hogy jobban megértette, hogyan használják az adatbányászatot az adatelemzéshez, vizsgáljuk meg, hogyan működik a tudás adatbányászata.

Hogyan működik a tudás adatbányászata, és hogyan épül fel?

Videó lejátszását jelző ikon Most nézzük meg, hogyan működik a tudás-bányászat, és hogyan alkalmazta a iCertis, egy szerződéses kezelő vállalat, hogy értékes elemzéseket készítsen nagy mennyiségű strukturálatlan adatból.

Ahogy a videóban is látta, az Azure Cognitive Search PDF-fájlok formájában betöltötte az Azure Blob Storageba. Ezután a fő kifejezés kinyerése és elnevezett entitások felismerése, a nyelvfelismerés és az automatikus fordítás révén a kognitív szolgáltatások gazdagítják az adatgyűjtést, és létrehoztak egy egyéni Általános adatvédelmi rendelet (GDPR) kockázati modellt. Az Azure Web Apps szolgáltatáshoz való csatlakozáskor olyan kereshető élményt hozott létre, amely lehetővé tette, hogy a 2 000 000-es felhasználó több mint 5 000 000 szerződést kezeljen.

Itt látható a iCertis által használt folyamathoz hasonló, az adatbányászati folyamat ábrája. Ez az ábra azt szemlélteti, hogyan történik a tartalom betöltése, megrepedt, gazdagított és indexelt, hogy lehetővé váljon az adatbányászat és a különböző alkalmazások (például webhelyek és csevegőrobotok) közötti keresés.

Azure Search és Cognitive Services

Most, hogy már látható egy példa arra, hogyan működik az adatbányászat, íme néhány más iparági példa, amelyekben az üzleti problémák megoldására az ismeretek kihasználása történik.

Az egészségügyi szervezetek túl sok klinikai adat kihívásával szembesülnek. A nagy mennyiségű adatok tartalmazhatják a betegek nevét, a demográfiai adatokat, az orvosi feljegyzések és az állapot-előzmények, a diagnosztizálás és a laborok eredményeit. A tudástranszfer révén az egészségügyi szolgáltatók nagy mennyiségű adaton keresztül képesek a fertőzések azonosítására, előre jelezve, hogy mely páciensek valószínűleg bizonyos problémákkal rendelkeznek, és lehetővé teszik az orvosok számára a betegek jobb kiszolgálását.

A pénzügyi szolgáltatásokban a vállalkozásoknak foglalkoznia kell a nagy mennyiségű dokumentum, űrlap, szerződés és egyéb információkkal. A természetes nyelvi feldolgozási technikák és a speciális tartalmak megismerése lehetővé teszi a pénzügyi szolgáltatások szervezetei számára, hogy személyre szabott módon jobban megértsék és kiszolgálják ügyfeleit.

Az olaj-és gázipari vállalatoknak olyan geológusokkal és egyéb szakemberekkel kell rendelkezniük, amelyeknek ismerniük kell a szeizmikus és a geológiai adatmennyiséget. Gyakran több évtizedes fájl van a képekkel és a kézzel írt mező megjegyzésekkel. A helyekhez, a tartományi szakértőkhöz és az eseményekhez kell csatlakozniuk, és ezeket az információkat szintetizálni kell a tájékozott döntések meghozatala érdekében.

Most, hogy láttuk, hogy milyen nagy teljesítményű Azure AI-adatbányászati képességek állnak rendelkezésre, a gépi tanulással kapcsolatos AI-képességekre fogunk belemerülni.