심층 학습 및 NLP를 사용 하 여 콘텐츠 태그 제안

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

솔루션 아이디어

잠재적인 사용 사례, 대체 서비스, 구현 고려 사항 또는 가격 책정 지침과 같은 추가 정보를 사용하여 이 문서를 확장하려는 경우 GitHub 피드백을통해 알려주세요!

소셜 사이트, 포럼 및 기타 텍스트-고급 Q&서비스는 콘텐츠 태깅에 크게 의존 하 여 적절 한 인덱싱 및 사용자 검색을 가능 하 게 합니다. 그러나 콘텐츠 태그 지정은 종종 사용자의 판단에 그대로 남아 있습니다. 사용자에 게는 일반적으로 검색 되는 용어 목록이 없거나 사이트 구조를 심층적으로 이해 하지 못하기 때문에 콘텐츠를 잘못 레이블 하는 경우가 많습니다. 자주 콘텐츠는 나중에 필요할 때 찾을 수 없거나 더 어려울 수 있습니다.

이 솔루션은 심층 학습 및 NLP (자연어 처리)를 사이트별 검색 용어의 데이터와 결합 하 여 사이트에서 콘텐츠 태그 정확도를 크게 향상 시킬 수 있습니다. 사용자가 콘텐츠를 입력할 때이 솔루션은 매우 사용 되는 용어를 제안 된 콘텐츠 태그로 제공 하므로 다른 사람이 정보를 쉽게 찾을 수 있습니다.

Architecture

아키텍처 다이어그램: 웹 사이트의 콘텐츠 태그를 제안 하는 데 Azure Machine Learning 사용에 대 한 개요입니다.

이 아키텍처의 SVG 를 다운로드 합니다.

구성 요소

  • Microsoft SQL Server: Microsoft SQL Server를 사용 하 여 데이터가 저장 되 고 구조화 되며 인덱싱됩니다.
  • Azure Machine Learning: Kubernetes로 관리 되는 Azure 클러스터를 확장 하는 것을 포함 하 여 하이퍼 매개 변수 튜닝 및 최종 모델 배포를 포함 하는 모델 교육입니다.
  • Azure Data Science Virtual Machine:이 솔루션에 대 한 핵심 개발 환경은 데이터 과학을 위해 특별히 구축 된 azure cloud platform의 사용자 지정 VM 이미지입니다.
  • Azure Data Science VM의 Jupyter 노트북: jupyter 노트북을 모델에 대 한 기본 IDE (통합 개발 환경)로 사용할 수 있습니다.
  • Azure Container Registry: 실시간 웹 서비스를 Docker 컨테이너로 저장 합니다. 이러한 컨테이너는 Azure Container Registry를 통해 업로드 및 등록 됩니다.
  • AKS (Azure Kubernetes Service):이 솔루션에 대 한 배포는 Kubernetes 관리 클러스터를 실행 하는 Azure Kubernetes Service를 사용 합니다. 컨테이너는 Azure Container Registry에 저장 된 이미지에서 배포 됩니다.

다음 단계

제품 설명서를 참조 하세요.

다음 Microsoft Learn 모듈을 사용해 보세요.