Lösningsidéer
Den här artikeln är en lösningsidé. Om du vill att vi ska utöka innehållet med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du meddela oss genom att ge GitHub-feedback.
Den här artikeln beskriver hur du använder kunskapsutvinningstekniker som extrahering av nyckelfraser och entitetsigenkänning för att snabbt granska tätt tekniskt material.
Arkitektur
Det finns tre steg i kunskapsutvinning: mata in, berika och utforska.
Ladda ned en Visio-fil med den här arkitekturen.
Dataflöde
Äter
Inmatningssteget aggregerar innehåll från en rad olika källor, inklusive strukturerade och ostrukturerade data. För innehållsforskning kan du mata in olika typer av tekniskt innehåll som produkthandböcker, användarguider, tekniska standarddokument, patentdokument, medicinska journaler och läkemedelsfyllningar.
Berika
Steget berika använder AI-funktioner för att extrahera information, hitta mönster och fördjupa förståelsen. Utöka ditt innehåll med optisk teckenigenkänning, extrahering av nyckelfraser, entitetsigenkänning och språköversättning. Använd anpassade modeller för att extrahera branschspecifika termer, till exempel produktnamn eller tekniska standarder, för att flagga potentiella risker eller annan viktig information eller för HIPAA-efterlevnad.
Utforska
Utforska steget är att utforska data via sökning, robotar, program och datavisualiseringar. Du kan till exempel integrera sökindexet Azure Cognitive Search i en sökbar katalog eller ett befintligt affärsprogram.
Komponenter
Följande viktiga tekniker används för att implementera verktyg för teknisk innehållsgranskning och forskning:
- Azure Cognitive Search är en molnsöktjänst som tillhandahåller infrastruktur, API:er och verktyg för sökning. Du kan använda Azure Cognitive Search för att skapa sökupplevelser över privat, heterogent innehåll i webb-, mobil- och företagsprogram.
- Det anpassade kunskapsgränssnittet för webb-API:et används för att integrera en anpassad färdighet i en Pipeline för Azure Cognitive Search-berikande.
- Azure Cognitive Service for Language är en del av Azure Cognitive Services som erbjuder många bearbetningstjänster för naturligt språk. Du kan använda dessa tjänster för att förstå och analysera text.
- Textanalys är en samling API:er och andra funktioner från Azure Cognitive Service for Language som du kan använda för att extrahera, klassificera och förstå text i dokument.
- Azure Cognitive Services Translator är en del av Cognitive Services-serien med REST-API:er. Du kan använda Translator för dokument- och textöversättning i realtid.
- Azure Formigenkänning ingår i Azure Applied AI Services. Formigenkänning använder maskininlärningsmodeller för att extrahera nyckel/värde-par, text och tabeller från dokument som fakturor, kvitton, ID-kort och visitkort.
Information om scenario
Den här arkitekturen visar hur du använder kunskapsutvinning för innehållsforskning.
Potentiella användningsfall
När organisationer får anställda i uppdrag att granska och undersöka tekniska data kan det vara tråkigt att läsa sida efter sida med tät text. Kunskapsutvinning hjälper anställda att snabbt granska sådant kompakt material. I branscher där anbudskonkurrensen är hård, eller när diagnosen av ett problem måste vara snabb eller i nära realtid, kan företag använda kunskapsutvinning för att undvika kostsamma misstag och få snabbare insikter under innehållsforskning.
Branscher som är beroende av kunskapsutvinning är:
- Utbildning
- Marketing
- Banktjänster (finans)
- Tjänstleverantörer
- Retail
- Nyheter och media
Nästa steg
Skapa och anpassad kunskap för Azure Cognitive Search.
Utforska utbildningsvägen Kunskapsutvinning med Azure Cognitive Search.
Mer information om komponenterna i den här lösningen finns i följande resurser: