Természetes nyelvek feldolgozása
Last updated on 2020.11.16.
Tüzes Izabella
Megoldásaink, Távközlés, Informatika, Bank Biztosító, Ipar, Mezőgazdaság, Logisztika, HR
Digitalizálja a papírmunkát mesterséges intelligenciával
Minden szervezet (vagy egyén) rendelkezésére álló digitális információ legnagyobb részhalmaza az emberi szöveg, számtalan logikai és fizikai formátumban. E strukturálatlan, szabad és kétértelmű információk természetéből adódóan ezeket a dokumentumokat a számítógépek meglehetősen nehezen értik, következésképpen ta számítógépes feldolgozás szempontjából többnyire kihasználatlanok. A természetesenyelv-feldolgozásnak nevezett adattudományi részterület minden jelenlegi fogyatékossága ellenére sok hasznos információkat tudunk kivonni a szövegekből.
A gépi tanulás alkalmazásával különböző szempontok alapján tudjuk osztályozni őket: milyen nyelven íródott; mi az uralkodó érzelmi hangulata; milyen témák kapcsolódnak hozzá. Ezeken az alapvető kategorizálásokon kívül további lényegi információkat is kinyerhetünk. Például azonosíthatjuk a különböző entitásokat (személyeket, intézményeket, földrajzi helyeket) és a közöttük fennálló kapcsolatot. Alternatív megoldásként lehetőség van bármely hosszabb dokumentum rövid összefoglalásának elkészítésére, ezzel sok idő megspórolható az olvasó számára, hisz csak azt kell elolvasnia, ami valóban lényeges.
Példa
Egy terjedelmes Merger & Acquisition-típusú jelentésből kinyerhetjük, mely vállalatok érintettek benne: melyik a felvásárló, a felvásárolt, mikor ment végbe a tranzakció. Természetesen az ilyen alapinformációkon túl a vizsgálat kiterjeszthető további adatokkal is egyéb forrásokból: milyen iparágban érintettek az entitások, mi a fő profiluk, mennyire nyereségesek, kik a vezető tisztségviselőik, stb.

Hozzáadott érték: papír alapú szöveges dokumentumok automatizálásval csökkenthetőek az adminisztratív költségek és a ráfordított idő is.
Ajánlott Tech Stack: Linux, Python (Anaconda), Scikit-learn, NLTK, gensim, TensorFlow, PyTorch
Tartalomkereső
Tech Stack
AI
Anominizáló
Apache Kafka
Apache POI
Chart.js
Cloudflare Turnstile
Docker Compose
Flask
Freemarker
Jackson
Java 17
Jsoup
Kubernetes
Llama 3.2
ModelMapper
MSAL
Nginx
Nuxt 3
OpenCSV
OTP e-mail alapú hitelesítés
Pinia
PrimeVue
Prisma ORM
Pydantic
PyMuPDF
Quartz
Quill
Redis
Spring Boot 3
Spring Cloud Azure
Spring Data JDBC
Spring Data JPA
Spring Data Redis
Spring Kafka
Spring OAuth2 Resource Server
Spring Web
Spring WebServices
Stripe
SvelteKit
Tailwind CSS
Tesseract OCR
vee-validate
Vue 3
vue3-google-map
yup







