Обработка естественного языка — будущее электронной коммерции — объяснение

«Это лишь вопрос времени, когда компании во всех отраслях будут использовать технологии глубокого обучения, такие как НЛП, для извлечения скрытой информации. и сочетая это со своим конкретным бизнес-опытом и знаниями, чтобы внедрять инновации и дифференцировать себя».

Какая технология используется для обработки естественного языка?

Проще говоря, НЛП, или обработка естественного языка, — это технология, которая позволяет компьютерам понимать и обрабатывать данные из реального мира.

Все началось в 1950-х годах с статьи Алана Тьюринга «Компьютерная техника и интеллект», где он спрашивал:«Могут ли машины думать?» Он имел в виду следующее:могут ли машины думать как люди, следовательно, могут ли машины понимать факты и данные из человеческой реальности?

НЛП — это форма искусственного интеллекта, которая использует несколько дисциплин, таких как компьютерная лингвистика, чтобы попытаться структурировать смысл неструктурированного человеческого общения. В некотором смысле он преобразует человеческие слова (речь и текст) в двоичный код.

Семьдесят лет назад перфокарты были единственным способом общения человека с компьютером. Сегодня компьютеры могут «понимать» многие человеческие языки, выполнять устные или письменные приказы, извлекать из них информацию и применять ее в будущем. Например, если вы однажды просмотрели в Интернете красный джемпер, компьютер поймет, что вам нравятся красные джемперы, и покажет вам все известные ему элементы, соответствующие «красный» + «джемпер».

НЛП работает, анализируя бесконечно малые компоненты человеческого языка — то, что было бы «атомами человеческого общения». Это могут быть слова, фразы или описания из вашего каталога товаров. Затем он сравнивает эти «атомы» со своей собственной базой данных слов и записей, которые классифицирует и извлекает из них значение с помощью семантического анализа — по сути, понимая их.

Это означает, что он может устанавливать связи, которые люди не могут. Сегодня, когда огромная вычислительная мощность доступна по низкой цене, выводы, которые она может сделать для индивидуальных предпочтений, просто поразительны.

Почему он выходит на рынок сейчас?

НЛП разрабатывается уже много-много лет. Однако более широкий рынок обращает на это внимание только сейчас, потому что (1) реальные приложения этого и других технологий искусственного интеллекта становятся все более понятными для бизнеса, и (2) у нас наконец-то есть широкие вычислительные мощности, чтобы действительно что-то с ними делать. . Также не помешает то, что такие компании, как наша, смогли использовать свои отраслевые знания, например, чтобы выйти за рамки общих моделей и создать ориентированные на опыт алгоритмы, которые приносят реальные результаты, такие как увеличение числа конверсий или доходов.

До недавнего времени очень немногие организации, не относящиеся к академическим кругам или правительству, обладали вычислительной мощностью для фактического запуска алгоритмов глубокого обучения, необходимых для понимания и извлечения корреляций из текста. Благодаря последним достижениям мы не только можем быстро потреблять и извлекать смысл из огромных объемов текстовых данных, но теперь у нас также есть технология реального времени (с появлением таких технологий, как Flink и Kafka), чтобы обрабатывать их вместе с поведением пользователя, извлекать информацию. необходимые сведения и реагировать в режиме реального времени соответствующим действием или решением.

Как отмечает Gartner, появление текстовых данных вызывает широкий интерес к целому ряду потенциальных передовых приложений ИИ. Использование NLP в области взаимодействия с клиентами, например, для извлечения настроений из текстовых сообщений и чата, проложило путь к более широкому внедрению в отрасли и практическим применениям.

В области персонализации опыта мы только начинаем изучать возможности и воодушевлены результатами, которые мы увидели при использовании НЛП, например, для извлечения информации из описаний каталогов продуктов, обзоров, атрибутов и другого текста и получения более глубокое понимание продуктов наших клиентов и того, как они соотносятся друг с другом — гипоаллергенность, 100% хлопок и т. д.

Это всего лишь вопрос времени, когда компании во всех отраслях будут использовать технологии глубокого обучения, такие как НЛП, для извлечения скрытых идей и объединения их со своим конкретным бизнес-опытом и знаниями для инноваций и дифференциации себя.

Должны ли организации применять НЛП? Можете ли вы предоставить несколько практических примеров из практики?

Один из секторов, в котором мы ясно видели, как это работает, — это розничная торговля, к которой принадлежат многие из наших клиентов. Фаст-фэшн и розничные продавцы, которые имеют большой товарооборот или представляют новые сезонные каталоги, могут особенно извлечь выгоду из использования НЛП.

Персонализация традиционно работает лучше всего, когда у вас есть тонны поведенческих данных для каждого продукта. Но что делать, если большой блок вашего каталога новый или нишевый, и для него просто нет никаких данных? До недавнего времени лучшее, что можно было сделать, это предложить в качестве дополнения рекомендацию «лидеров продаж».

С помощью НЛП мы можем фактически брать текстовые данные, такие как описание продукта, примечания к стилю и посадке, рейтинги и обзоры и т. д., извлекать информацию об этом продукте и других связанных с ним продуктах, а затем использовать это более глубокое понимание для немедленного предоставления рекомендаций. и предложения, дополняющие новый продукт или продукт с длинным хвостом.

Это меняет правила игры для розничных продавцов/брендов, которые регулярно представляют или быстро просматривают новые стили или сезонные каталоги, позволяя с самого начала персонализировать и предлагать покупателям соответствующие продукты с помощью предложений перекрестных продаж.

Что дальше с НЛП?

По мере того как бренды и розничные продавцы продолжают внедрять НЛП, варианты использования будут продолжать развиваться. Далее мы видим расширение применения НЛП, включающее в себя предсказания путешествий, расширения на основе речи, фасетирование для поиска и многое другое. НЛП с глубоким обучением — это будущее электронной коммерции.

Ответы предоставил Радж Бадаринат, вице-президент по экосистемам, RichRelevance