Jedes moderne Unternehmen kümmert sich um seinen Ruf. Sätze: "Ihre Meinung ist sehr wichtig für uns" oder "Bewerten Sie Ihren Einkauf", "Würden Sie unser Unternehmen empfehlen?" Wir verfolgen uns buchstäblich bei jedem Schritt auf den Websites von Geschäften, Kliniken und sogar öffentlichen Dienstleistungen. Regierungsbehörden und andere Unternehmen haben Interesse an der Bewertung ihrer Arbeit gezeigt und achten ebenfalls darauf. Medizinische Einrichtungen verlängern keine Verträge mit Spezialisten, die sich seit langem negativ durchgesetzt haben. Dienstleister versuchen, die Reaktion der Verbraucher auf Waren und Dienstleistungen ständig zu überwachen, um ihre Dienstleistungen zugänglicher, qualitativ hochwertiger und damit wettbewerbsfähiger zu machen. Die Meinung hilft anderen Verbrauchern, sich vor dem Kauf ein Bild von der Institution, Institution, dem Produkt oder der Dienstleistung zu machen und so Einkaufsfehler zu vermeiden. Große Unternehmen enthalten in ihren Personalstrukturen unbedingt den Abfluss von Kunden, PR-Abteilungen, bei denen der Schlüsselfaktor die rechtzeitige Reaktion auf Verbraucheranfragen ist. Wie kann man die Arbeit solcher Strukturen aufbauen, ohne die Kosten zu erhöhen und ihre Reaktionsgeschwindigkeit zu erhöhen? Betrachten wir als ein Beispiel die Verwendung von maschinellem Lernen für die Betriebsanalyse einer großen Anzahl von Antworten der Befragten.
Mehrsprachigkeit
Betrachten Sie zunächst ein Beispiel, das die Funktionen des modernen UX / UI-Ansatzes für die Entwicklung von Benutzeroberflächen demonstriert. Angenommen, Sie sind Eigentümer eines multinationalen Dienstleistungsunternehmens weltweit.
Nach jedem Kauf bitten Sie Ihre Kunden, Feedback zu Ihrem Produkt zu hinterlassen. Technisch gesehen ist Ihre aktuelle Software so organisiert, dass Benutzer, unabhängig davon, welche Sprache sie hinterlassen, wahllos in den "Keller" des Produkts fallen. Es stellt sich das Problem, wie ermittelt werden kann, in welcher Sprache eine Rezension verbleibt, welche Tonalität sie hat, und im besten Fall in mehrere Sprachen übersetzt und eine geeignete Übersetzung aller Rezensionen für den aktuellen Benutzer in seiner Muttersprache unabhängig von der Originalsprache demonstriert werden kann.
Wenn Sie sich jetzt an Ihren Entwickler wenden, wird Ihnen höchstwahrscheinlich eine Option angeboten, bei der die Aufgabe der Auswahl der Sprache den Schultern des Benutzers zugewiesen wird. Es wird wahrscheinlich so aussehen
Der Benutzer wird aufgefordert, eine Sprache aus einer langen Liste auszuwählen, und manchmal werden Sprachen ohne Übersetzung aufgelistet, was wiederum den Benutzer verwirrt. Es sieht ungefähr so aus
Aufgrund der Tatsache, dass die meisten Benutzer zwei Sprachen sprechen, sind für sie nur zwei Zeilen verständlich. Diese werden tatsächlich zu "Folter".
Ein weiterer, nicht weniger verbreiteter Ansatz, den sie Ihnen anbieten können, ist die Definition einer Region anhand der IP-Adresse und damit der wahrscheinlichsten gemeinsamen Sprache. Die Bedingungen der modernen Globalisierung sind nicht der beste Ansatz, um auf ihre Mängel hinzuweisen. Es reicht aus, die Bedeutung moderner Software in Bezug auf die Region Ihres Standorts zu beachten. Nur Einwohner Moskaus hatten diesbezüglich Glück, höchstwahrscheinlich wird ihre Region immer korrekt bestimmt.
Maschinelles Lernen
Eine der eleganten Möglichkeiten, solche Probleme zu lösen, kann maschinelles Lernen sein. Derzeit muss dies nicht einmal über fundierte mathematische Kenntnisse verfügen. Verwenden Sie beispielsweise einfach den MS Azure Cognitive Service
Durch die eingegebene Phrase können eine Reihe von Indikatoren für den eingegebenen Text bestimmt werden, einschließlich Sprache, Schlüsselphrasen und deren Tonalität. Für den betrachteten Fall ergibt dies die folgende Vereinfachung der Schnittstelle
Sie müssen die Eingabesprache und die Benutzerbewertung nicht mehr anfordern - diese Fakten folgen automatisch. Danach wird die Verteilung von Anrufen an regionale Niederlassungen sowie die Überwachung des Kundenabflusses erheblich vereinfacht
Ein wesentlicher Teil des Aufwands wird vom Benutzer und den Mitarbeitern auf eine Maschine verlagert, die nicht müde wird, schnell arbeitet und sich in mechanischen Aspekten weniger irrt.
Kognitiver Dienst
Zunächst müssen Sie eine Verbindung zum MS Azure Cognitive Service herstellen und Zugriff auf eine API erhalten, die den angegebenen Text analysiert und seine Eigenschaften zurückgibt. Dieser Prozess ist nicht kompliziert und wird in einem separaten Artikel ausführlicher behandelt
Es gibt zwei Möglichkeiten, über eine HTTP-Anforderung und einen Client auf die API zuzugreifen. Insbesondere für .net müssen Sie das Paket verbinden
API weiter aufrufen
var httpWebRequest = (HttpWebRequest)WebRequest.Create("https://northeurope.api.cognitive.microsoft.com/text/analytics/v2.0/languages"); httpWebRequest.Method = "POST"; httpWebRequest.Headers.Add("Content-Type:application/json"); httpWebRequest.Headers.Add("Ocp-Apim-Subscription-Key:61..."); var documents = new Documents(); documents.Add(new Document(Description)); using (var streamWriter = new StreamWriter(httpWebRequest.GetRequestStream())) { string json = JsonConvert.SerializeObject(documents); streamWriter.Write(json); streamWriter.Flush(); streamWriter.Close(); }
und analysieren Sie die erhaltene Antwort
var httpResponse = (HttpWebResponse)httpWebRequest.GetResponse(); String response; using (var streamReader = new StreamReader(httpResponse.GetResponseStream(), Encoding.UTF8)) { response = streamReader.ReadToEnd(); } var result = JsonConvert.DeserializeObject<DocumentsResult>(response); var doc = result.documents[0].detectedLanguages[0];
Wenn wir die empfangenen Daten in die Datenbank schreiben, erhalten wir Folgendes
(Ein Beispiel wird nach einem Benutzerkommentar zu einem Artikel hinzugefügt.)
Ergebnisanalyse
Wir werden die Ergebnisse analysieren und dazu mehrere Berichte mit dem FastReport-Softwarepaket erstellen, dessen Lieferung eine Open-Source-Version enthält
youtu.be/Tyu7v24zer0Wenn Sie die Sortierung nach Tonalität aktivieren (1-positiv, 0-negativ), werden positive Bewertungen oben und negative Bewertungen unten gruppiert.
youtu.be/HbuXMuDZFmoBei Bedarf können Sie Bewertungen nach Sprache gruppieren und relevante Berichte an regionale Einheiten senden
youtu.be/YF8RG3g5FRsFazit
Neue Technologien verbessern nicht nur die Benutzeroberfläche erheblich, sondern optimieren auch die Arbeit der Mitarbeiter und senken die Entwicklungskosten. Verweigern Sie kostspielige Änderungen an vorhandener Software. Die Aussichten für maschinelles Lernen in naher Zukunft werden die Qualität der Software und die Benutzerzufriedenheit erheblich verbessern. Durch die Verwendung einfach zu implementierender Berichtslösungen können mehr Benutzer ohne umfangreiche Programmierung auf Daten zugreifen.
Referenzen
github.com/ufocombat/Languages-openazure.microsoft.com/en-us/services/cognitive-services/text-analyticswww.fast-report.com/deyoutu.be/Tyu7v24zer0youtu.be/HbuXMuDZFmoyoutu.be/YF8RG3g5FRs