情节概要:大多数NLP应用,我们听到有关涉及市场营销,客户服务等面向客户的功能 - 但有其他后端功能,以及自然语言处理相关的机会。
在本期《工业人工智能》中,我们与塔拉首席数据科学家拜伦•加尔布雷斯(Byron Galbraith)讨论了企业如何利用聊天机器人或其他NLP应用程序改进公司内部通信的文档搜索。拜伦探索了目前使用人工智能来改进使用上下文感知的搜索操作的可能性。拜伦还描绘了人工智能支持的“知识共享”和“知识发现”在未来可能会是什么样子。
订阅我们人工智能产业播客用你喜欢的播客服务:
专长:神经网络,机器学习,认知系统
简介识别:拜伦在波士顿大学认知与神经系统博士学位,并在他担任研究助理期间有与辅助机器人控制脑 - 机接口的工作。之前,他又是在TALLA的共同创始人/首席科学家的数据,他也有过以往的经验作为马凯特大学的研究助理略低于2年,作为一个软件开发人员表XI Partners LLC的5年。
大创意
在一个中等规模的组织内部团队的沟通管理是通过类似的Sharepoint或合流企业解决方案通常实现的。这些解决方案通常会用这些并不意味着功能,如高级搜索算法的专有搜索工具(比如你可以从谷歌所期望的),使得它有可能更难公司的内部文件搜索中查找特定的数据。
在这种情况下,拜伦解释说,基于人工智能的解决方案最适合内部知识请求搜索操作。例如,获取组织(如公司wiki或pdf)中存在的信息请求,并在定义的时间和位置检索用户的上下文摘录。
他补充说,这种情况下尤其如此,其中组织的规模大到足以使人类运营商在这样的任务非常低效。大型企业可以留在使通过跟踪企业数据的生成和策展内部知识更容易的顶部。
例如,企业环境中的典型搜索示例可能是员工关于停车政策的简单信息请求,也可能是组织wiki中有关流程工作方式的信息。目前,NLP平台可以通过使用用户的上下文感知进行查询,并使用个性化来提供消除歧义的答案,从而改进内部搜索。
在这个例子中,这将转化为自动搜索,获取有关用户(谁可能是基于在洛杉矶办事处)的位置的停车政策信息,而不是一个普通的停车政策文件(与十几家公司的地点交易)。
Current platforms are also very capable in knowledge management tasks like suggesting what content might need additions based on user requests, and can automatically update and notify owners of documents etc.For example, an NLP platform can perform unsupervised clustering of an organization’s internal data and classify them into categories based off of similar word choices like human resources/productivity/location etc. In addition, the platform can proactively suggest changes based on the natural clustering of a company’s data. Continuing with the parking example, this would involve moving parking policy information for Los Angeles, to a location based cluster of documents.
读者可以在我们题为“NLP”的整篇文章中进一步了解NLP在营销和广告应用中的其他实际应用人工智能在营销和广告- 5个例子的真正牵引“.
访谈要点与拜伦 - 加尔布雷斯在AI的团队沟通
拜伦在这个问题上回答的主要问题如下。听众可以使用嵌入式播客播放器(在本文的顶部)跳到他们可能感兴趣的部分:
(1:31)如何管理知识和发现今天的工作团队沟通的情况下?
(4:55)哪些应用这样的应用工作NLP过程?什么是排序的搜索字词或订购所需的输出数据方面系统上的限制?
(七)使用个性化和上下文感知来改进搜索的过程涉及到什么?
(13:43)当有无数种方法来组织基于NLP的搜索时,我们如何标记和组织数据呢?
订阅我们人工智能产业播客用你喜欢的播客服务:
标题图像信用:Adobe股票