炼数成金 门户 商业智能 自然语言处理 查看内容

四个自然语言处理(NLP)业务应用程序

2017-12-20 15:08| 发布者: 炼数成金_小数| 查看: 17864| 评论: 0|原作者: Terena Bell|来自: 企业网D1Net

摘要: 自然语言处理算法教导计算机像人一样使用语言。如果你手动搜索来自一组文档的信息,你也可以像搜索引擎一样查看关键字。这就是为什么机器翻译是自然语言处理的第一种形式,它是以二战中的破译技术为蓝本。开发人员希 ...

工具 安全 案例 机器人 自然语言处理 自然语言

我们未来将使用如今正在开发的四种自然语言处理业务应用程序。 
 
你可能没有意识到,但自然语言处理(NLP)不仅仅是一种新兴的商业技术,它是一种广泛使用的流行技术。在线搜索,拼写检查——几乎所有涉及语言的功能都包含自然语言处理算法
 
自然语言处理算法教导计算机像人一样使用语言。如果你手动搜索来自一组文档的信息,你也可以像搜索引擎一样查看关键字。这就是为什么机器翻译是自然语言处理的第一种形式,它是以二战中的破译技术为蓝本。开发人员希望机器翻译能将俄文翻译成英文。翻译结果是很糟糕的,但编码人员坚持不懈,于是一种新型的机器学习诞生了。而且由于一家公司不能在没有翻译的情况下在国际上发展,自然语言处理就是一种从一开始就具有商业案例的技术。今天,自然语言处理就像通信本身一样,是工作场所的一部分。
 
以下是当今的四个自然语言处理商业应用程序,我们会毫不犹豫地在未来投入使用,下面来谈谈出发点。
 
1. 神经网络机器翻译
机器翻译(MT)曾经是可笑的,但它现在是相当不错的。由于自然语言处理软件以人的方式学习语言,因此可以将早期的机器翻译视为幼儿。随着时间的推移,引擎中添加了更多的词,很快它就变成了一个喋喋不休的少年。机器翻译的质量本质上取决于你给的单词的数量,这需要时间,也是最初使机器翻译难以扩大规模的原因。
 
幸运的是,对于不想等引擎“长大”的企业来说,还有神经机器翻译。在2016年,微软的必应翻译首次推出了该技术。谷歌翻译和亚马逊翻译现在也提供竞争的系统。在实现神经网络之前,机器翻译引擎只在一个方向上运行——比如把西班牙语翻译成英语。如果你想从英文翻译成西班牙文,你必须从一个不同的数据集重新开始。如果你想添加第三种语言,那就太疯狂了。但通过神经机器翻译,工程师可以交叉应用数据。这从根本上加快了开发速度,几个月的时间就能将机器翻译引擎化腐朽为神奇,而不是几年。因此,企业可以安全地使用机器翻译来翻译低影响力的内容:没有人阅读的产品评测、监管文档、电子邮件。
 
但有一个警告:免费的机器翻译工具——无论是否是神经系统——都有数据安全风险。所谓的Translate.com泄露导致员工密码、合同和其它个人身份信息(PII)出现在谷歌搜索结果中。机器翻译本身是非常安全的——如果你使用亚洲在线(Asia Online)、Systran等定制的专业类型。要小心你在网上免费工具中输入的内容。
 
2. 聊天机器人
如果说机器翻译是最古老的自然语言处理的例子之一,那么聊天机器人是的例子。机器人通过集成Slack、Skype和微软团队(Microsoft Teams)等程序来简化功能。当他们首次出现时,聊天机器人是面向消费者的。例如,如果你在Facebook Messenger中输入“披萨”,Domino的机器人会要求你下单。虽然像这样的接触点有助于推动B2C销售,但在B2B世界中,在Slack中没有人希望购买提醒来打断他们。
 
所以在过去的一年中,初创公司已经将这项技术应用于其它领域:大多数企业机器人都在优化人力资源。首先有Talla,它是一种自然语言处理工具,它可以回答普通员工的问题,比如“我还剩多少假期?”以及“我的保险什么时候开始”?Chatbot Polly对工作场所满意度到他们想在休息室吃什么零食等一切尽心民意调查。然后有Growbot,一个Slack兼Teams机器人,它监控聊天,看看员工互相恭维的频率。当使用“赞”,“欢呼”,“道具”等词汇时,员工就会得到奖励。联合创始人兼首席执行官Jeremy Vandehey表示,这有助于管理者提高人才留住率和士气。
 
3. 招聘工具
在人力资源方面,自然语言处理软件长期以来一直在帮助招聘经理对简历进行整理。使用与谷歌搜索相同的技术,自动化的候选人搜索工具会扫描申请人的简历,以找到具有所需工作背景的人员。但是——像早期的机器翻译——这些平台使用的排序算法犯了很多错误。譬如说一个申请人自称是“业务增长的集思广益者”,而不是“外部销售代表”:那么她的简历不会显示在结果中,贵公司会忽略一个有创意的、客户驱动的候选人。
 
如今的系统所做的远不止确切的关键字匹配。例如,Scout通过搜索HR最初提供的关键字来解决同义词问题,然后使用结果来识别要查找的新单词。通过推断新的术语(如“业务增长”),以防止合格的候选人漏网。而且由于妇女和少数民族使用不同的语言,这个过程能确保不会漏掉他们。
 
当然,如果多样化的候选人没有申请的话,就不予考虑。为了解决这个问题,就有了Textio。联合创始人兼首席执行官Kieran Snyder表示,增强的书写工具使用语义分类(自然语言处理技术)来帮助招聘人员制作不分性别的岗位职责说明。Textio提供了从零到100分的文章评分,提供了词汇、语法和格式化提示,如“添加更多栏目符号”。实施这些更改和客户案例研究表明,你将看到申请人数量的急剧提高:Snyder说强生公司(Johnson & Johnson)的女性申请人增长了9%,艾利丹尼森公司(Avery Dennison)的女性申请人增长了60%,“Expedia发现,性别中立的工作的到岗速度比之前快了三周。
 
4. 会话式搜索
像Talla一样,Second Mind想要回答你所有员工的问题。但是这个工具并不是一个机器人:它是一个语音激活的平台,在公司会议上收听“什么是”和“我想知道”这样的触发短语。当听到这些短语时,Second Mind的搜索功能就起作用,为句子的剩余部分寻找答案。
 
比如说,你正在参加董事会会议,有人说:“去年的投资回报率是多少”?Second Mind会悄无声息地扫描公司的财务状况,或者其它任何他们询问的事情,然后在房间的屏幕上显示结果。创始人Kul Singh说,普通员工每天花费30%的时间搜索信息,公司每人每年的花费高达14209美元。通过精简实时对话搜索,Second Mind有望提高生产力。
 
Talla的联合创始人兼首席执行官Rob May表示:“据称Wolfram,Semantic Machines,Nuance和微软都在开展相关项目。”

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754

鲜花

握手

雷人

路过

鸡蛋

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-9-20 04:24 , Processed in 0.452694 second(s), 24 queries .