Amazon Comprehend 是一項自然語言處理 (NLP) 服務,使用機器學習來尋找文字中的洞見與關係。無需機器學習經驗。
您的非結構化資料中蘊藏著寶貴資產。客戶電子郵件、支援票證、產品評論、社群媒體甚至廣告文案,都可讓您深入了解客戶情緒,從而提升業務績效。但問題是如何取得這類資料? 事實證明,機器學習特別擅長準確識別大量文字中的特定相關項目 (例如在分析報告中尋找公司名稱),並可以學習語句中所隱含的情緒 (識別負面評論或客戶與客戶服務人員的良性互動),具備幾乎無限的擴展能力。
Amazon Comprehend 使用機器學習來幫助您發掘非結構化資料中的洞見與關係。這項服務可識別文字的語言;擷取關鍵片語、地點、人物、品牌或事件;理解文字的正面或負面程度;使用字符化和詞性標記分析文字;以及按主題自動整理文字檔集合。您也可以使用 Amazon Comprehend 中的 AutoML 功能,根據您組織的特定需求,建立一組自訂的實體或文字分類模型。
若要從非結構化文字中擷取複雜的醫療資訊,您可以使用 Amazon Comprehend Medical。此服務可從各種來源 (例如醫師記錄、臨床試驗報告和患者健康記錄) 識別醫療資訊 (例如醫療狀況、藥物、劑量、藥效和頻率)。Amazon Comprehend Medical 也會識別所擷取的藥物、檢測、療法與療程資訊之間的關係,以便分析。例如,服務會從非結構化的臨床報告中,識別與特定藥物相關的指定劑量、藥效和頻率。
Amazon Comprehend 是全受管服務,因此無需佈建伺服器,也無需建立、訓練或部署機器學習模型。您只需按實際用量付費;既沒有最低費用,也沒有前期承諾。
優勢
從文字中取得更好的答案
依主題組織文件
使用您的資料訓練模型
支援一般和產業特定文字
Amazon Comprehend 能從客戶支援事件、產品評論、社交媒體饋送、新聞文章、文件及其他來源的文字中探索意義和關係。例如,您可以在客戶對產品滿意或不滿意時,識別客戶最常提及的功能。
Amazon Comprehend 可分析文件和其他文字檔 (例如社交媒體文章) 集合,並按相關的條件或主題自動加以組織。接著您可以使用主題向客戶提供個人化內容,或是提供更豐富的搜尋和導覽體驗。例如,如果您有廣泛的新聞文章集合,可以按主旨自動組織這些文章,讓您的網站可以根據訪客之前閱讀的內容建議新的文章。
您可以輕鬆擴展 Amazon Comprehend 以識別特定字詞,例如政策號碼或組件編號。您也可以擴展 Comprehend 以使用適合您業務的方式來分類文件和訊息,例如,依請求分類客戶支援查詢或依產品分類社群媒體貼文。無需機器學習專業知識即可新增此自訂。您只需提供標籤並針對每個標籤提供一小組範例,Comprehend 會自動執行後續步驟。
Amazon Comprehend 採用最先進的機器學習模型技術,可從非結構化文字 (例如社群媒體貼文、電子郵件和網頁) 中得出深入分析。Amazon Comprehend Medical 也可識別醫療資訊 (例如藥物和醫療狀況),並判斷其彼此間的關係 (例如藥物劑量和藥效)。舉例來說,Amazon Comprehend Medical 擷取「耐甲氧西林金黃色葡萄球菌」(通常輸入為「MRSA」),並提供背景資訊 (例如患者是否檢測出陽性或陰性),使擷取的字詞具有意義。
運作方式
使用案例
客戶語音分析
您可以使用 Amazon Comprehend 分析各種形式的客戶互動,包括支援電子郵件、社交媒體文章、線上評論、電話錄音等等,並從中找出產生最正面和最負面體驗的各項因素。接著您可以使用這些洞見改善自己的產品和服務。
範例:客服中心分析
更準確的搜尋
您可以使用 Amazon Comprehend 讓您的搜尋引擎編製關鍵片語、實體和情感的索引,藉此提供更佳的搜尋體驗。這麼做可讓您將搜尋的重點擺在意圖和文章內容上,而不是基本關鍵字。
範例:索引和搜尋產品評論
知識管理和探索
您可以使用 Amazon Comprehend 按主題組織及分類文件以利探索,並且向讀者建議相同主題的其他相關文章以提供個人化的內容建議。
範例:個人化網站上的內容
分類支援票證以更有效解決問題
使用自訂分類,依照內容自動針對傳入的客戶支援文件進行分類,例如線上意見反映表單、支援票證、論壇貼文和產品評論。例如,帳戶取消請求、帳單問題、變更地址等。然後,使用自訂實體自動擷取相關資訊 (例如組件編號、忠誠度層級和產品名稱),以快速安排最適合團隊的文件,從而解決客戶問題並提高整體客戶滿意度。
範例:客戶支援票證處理
執行醫療同類群組分析
腫瘤學中,快速找到正確的篩選條件,以招募臨床實驗的患者,可謂至關重要。Amazon Comprehend Medical 能理解並識別非結構文字中找到的複雜醫療資訊,協助簡化索引和搜尋。您可以使用這些洞見識別新招募的患者,將其分配至適當的臨床試驗,只需部分手動挑選的時間和成本,即可完成工作。
範例:臨床試驗招募
進一步了解 Amazon Comprehend