NLP的使用案例

点击打开微信,马上办理高速ETC


聊天机器人已经上市了好几年了,但是新的聊天机器人对语言有了更好的理解,并且更具互动性。一些企业使用聊天机器人在帮助台上回答常规问题。有些人使用机器人来帮助路由帮助台问题。在此,根据您的身份以及您的要求,您将被转到正确的呼叫中心人员来回答您的具体问题。其他企业将其用于个性化购物,除了您正在搜索的内容之外,还需要了解您和您喜欢的人。这些用例需要智能的基于NLP的搜索以及机器学习。

大多数人都熟悉SiriAlexa等交互式搜索应用程序。但是,更常见的是,其他类型的应用程序正在使用某种自然语言界面。这包括BI应用程序,用户可以通过语音或文本以自然语言方式提问,并从应用程序中获得答案。

此外,机器学习正在数据管理和BI应用程序中使用,以帮助处理从数据集成到数据准备到实际分析分析的所有内容。有些应用程序为用户提供了他们可能没有想过自己寻找的见解。本报告的几个赞助商正在提供此类功能。

使用深度学习,可以训练系统识别图像和声音。系统从标记的示例中学习,以便在分类新图像或声音时变得准确。例如,可以训练计算机识别指示电动机发生故障的某些声音。这种应用正在汽车和航空中使用。虽然我们考虑在社交网络中自动标记图像,但这种技术也被用于对商业中的照片进行分类,以用于在线汽车销售或识别其他产品。

文本分析

文本分析研究单词的面值,包括语法和单词之间的关系。简而言之,文本分析为您提供了意义。情感分析可以深入了解单词背后的情感。

文本分析是指从文本源中提取有用信息。这是一个广义的术语,它描述了使用元信息(如文本中提到的人和地点)对文档进行注释以及有关文档的广泛模型 (例如情感分析,文本聚类和分类)的任务。为了扩展,术语文档是一个抽象概念,可以表示更大集合中的任何连贯文本,例如WordPress帖子集合中的单个博客文章,报纸文章,维基百科上的页面等等。

在文本分析活动期间,研究人员可以开发描述文档若干方面的功能,例如:

 

      
该文件涉及健康旅行

      
电话中含有大量的负面语言。

      
网站显示特定产品。

      
推文描述了产品与产品问题之间的关系。

      
博客文章的作者可能是物理治疗师。

      
电子邮件违反合规性,因为它揭示了个人信息。

金融行业中典型的文本分析应用程序侧重于合规性和欺诈预防。在这个用例中,自然语言处理的目的是通过语义解释理解通信线程的内容,并识别跨线程的关系和实体。但是,文本分析负责确定给定消息或消息集是否违反合规性。合规部门受益于结合结构化数据(如交易和交易)以及从电子邮件和即时消息中提取的信息。使用这两种类型的数据资产,就可以推断出事务背后的意图。

金融机构面临另一个基本的合规问题反洗钱。金融机构有义务筛选整个业务部门的所有交易,以防止黑名单方之间的交易。该任务涉及分析交易中包含的自由文本以及与外国资产控制办公室(OFAC)和其他政府机构的观察名单匹配的名称和实体。

一个重要的任务是将音译名称与列表中的一个表示相匹配。例如,Rajendra这个名字可以音译为RajinderRajRaja。对多个列表的匹配必须非常精确,因为分析师只能手动查看一小部分警报。

在保险业务中,公司拥有庞大的非结构化呼叫中心,索赔,账单和理发票据文本数据。为了更好地了解保单持有人,这些公司可以利用情绪分析来衡量他们的客户是否对他们的产品,服务和流程感到满意或不满意。文本分析可以识别产品和程序的问题区域,并且可以为改进服务或开发新产品提供指导。

情绪分析

情感分析是使用自然语言处理,统计和文本分析来提取和识别正文,负面或中性类别的文本情感。我们经常看到用于达成二元决策的情绪分析:有人要么支持也要反对某些东西,用户喜欢或不喜欢某些东西,或者产品是好还是坏。了解与竞争对手相关的消费者情绪具有战略性益处。情感分析可以帮助预测客户趋势,因此保持行业中其他业务的公众意见,提供了一个控制组来比较您的分数。

情感分析也称为意见挖掘,因为它包括识别消费者对公司产品,品牌或服务的态度,情感和意见。情感分析可以洞察与您的品牌相关的任何公众舆论变化,这些变化将支持或否定您的业务发展方向。高或低的情绪分数可帮助您确定重组团队或制定新创意策略的方法。

情感分析用例

情绪分析的使用经常应用于评论和社交媒体,以帮助营销和客户服务团队识别消费者的感受。在产品评论等媒体中,情绪分析可用于揭示消费者是否对产品满意或不满意。同样,公司可以使用情绪分析来衡量新产品,广告活动或消费者对社交媒体上近期公司新闻的反应的影响。

公司的客户服务代理可以使用情绪分析,根据电子邮件的情绪自动将传入的用户电子邮件分类为紧急非紧急存储桶,主动识别受挫的用户。然后,代理可以将时间用于首先解决具有最紧急需求的用户。

情商分析通常用于商业智能,以了解消费者为什么或不对某些事物做出回应的主观原因(例如,为什么消费者购买产品?他们对用户体验的看法如何?客户服务支持是否满足他们的期望?)。情感分析也可用于政治学,社会学和心理学领域,以分析趋势,意识形态偏见,观点,规范反应等。

情绪分析的挑战

人们以复杂的方式表达观点,这使得理解人类观点的主题成为难以解决的问题。在一段文本中有几个定义的元素可以影响情感分析:对象,属性,意见持有者,意见取向和意见强度。

对象:正在分析的产品,服务,个人,业务,事件或主题

示例:iPhone

属性:对象的特定组件和属性

组件示例:电池,触摸屏,耳机插孔

属性示例:尺寸,重量,加工速度

意见持有人:表达情绪的人或企业

示例:购买iPhone的人

意见取向(极性):意见的一般立场

示例:正面,负面或中立

意见强度:意见的级别,规模或强度

示例:激动>兴高采烈>快乐>满意

为了从一段文本中获得完整,准确和可操作的信息,重要的是不仅要单独识别这五个元素中的每一个,还要了解它们如何协同工作以提供完整的背景和情感。因为关键字处理仅识别特定单词中反映的情绪,所以它无法提供理解整个作品的完整上下文所需的所有元素。


 

点击打开微信,马上办理高速ETC


ETC注销ETC充值ETC客服ETC扣费查询


ETC发行合作

发表评论