Révéler la structure et le sens du texte
AutoML Natural Language permet de construire et déployer des modèles de machine learning personnalisés, pour analyser des documents, les catégoriser, identifier les entités ou les sentiments qu’ils contiennent.
Dans AutoML Natural Language l’apprentissage est supervisé et les modèles de machine learning sont créés sur des catégories et des entités spécifiques aux données d’une entreprise.
AutoML Natural Language Classification
AutoML Natural Language Classification permet d’entraîner son propre modèle de machine learning pour classer des documents textuels en fonction de catégories spécifiques. Le modèle de classification saura analyser un document et retourner une liste de catégories qui correspondent au texte contenu dans le document.
AutoML Natural Language Classification peut par exemple servir à filtrer les emails de type spam.
AutoML Natural Language Entity Extraction
AutoML Natural Language Entity Extraction permet d’entraîner son propre modèle de machine learning pour identifier des entités spécifiques dans des documents textuels. Le modèle d’extraction d’entité saura analyser un document, retourner les entités contenues dans le document et catégoriser ces entités.
AutoML Natural Language Entity Extraction peut par exemple servir à extraire les personnes et les lieux d’articles afin d’annoter automatiquement ces articles.
AutoML Natural Language Sentiment Analysis
AutoML Natural Language Sentiment Analysis permet d’entraîner son propre modèle de machine learning pour analyser les attitudes dans des documents textuels. Le modèle d’analyse des sentiments saura analyser un document et identifier les sentiments dominants contenus dans le document, particulièrement pour déterminer si l’attitude de l’auteur du document est positive, négative ou neutre.
AutoML Natural Language Sentiment Analysis peut par exemple servir à superviser et analyser les réactions des utilisateurs dans le cadre de commentaires sur les produits d’une boutique en ligne.