Passer la navigation

Architecture de solution : Découverte d’informations avec l’apprentissage profond et le traitement en langage naturel

Les réseaux sociaux, les forums et les autres services de questions/réponses où le texte occupe une place primordiale reposent fortement sur l’identification, ce qui active l’indexation et la recherche utilisateur. Sans identification appropriée, ces sites sont beaucoup moins efficaces. Toutefois, souvent, l’identification est laissée à la discrétion des utilisateurs. Et comme les utilisateurs n’ont pas de liste regroupant les termes les plus recherchés, ni une compréhension approfondie de la catégorisation ou de l’architecture d’information d’un site, les posts sont souvent mal identifiés. Cela rend difficile voire impossible de trouver ce contenu ultérieurement.

En combinant l’apprentissage profond et le traitement en langage naturel avec les données sur des termes de recherche propres à un site, cette solution améliore considérablement la précision de l’identification sur votre site. Quand votre utilisateur tape son post, la solution propose les termes fréquemment utilisés dans les suggestions, ce qui permet aux autres utilisateurs de facilement trouver l’information proposée.

Découverte d’informations avec l’apprentissage profond et le traitement en langage naturelDécouvrez comment utiliser de façon efficace l’apprentissage profond et le traitement en langage naturel avec la plateforme Microsoft AI.

Conseils sur l’implémentation

Produits/Description Documentation

Microsoft SQL Server

Les données sont stockées, structurées et indexées à l’aide de Microsoft SQL Server.

Machine virtuelle Science des données Azure basée sur un processeur graphique

La machine virtuelle Science des données (DSVM) NC24 Microsoft Windows Server 2016 basée sur un processeur graphique est l’environnement de développement principal.

Azure Machine Learning Workbench

Le Workbench sert au nettoyage et à la transformation des données, ainsi que d’interface principale des services Expérimentation et Gestion des modèles.

Service Expérimentation Azure Machine Learning

Le service Expérimentation sert à la formation des modèles, notamment le réglage des hyperparamètres.

Service Gestion des modèles Azure Machine Learning

Le service Gestion des modèles est utilisé pour le déploiement du modèle final, y compris la scalabilité horizontale vers un cluster Azure managé par Kubernetes.

Notebooks Jupyter sur la machine virtuelle Science des données Azure

Les Notebooks Jupyter sont l’environnement de développement intégré de base du modèle, développé dans Python.

Azure Container Registry

Le service Gestion des modèles crée et intègre dans un package les services web en temps réel en tant que conteneurs Docker. Ces conteneurs sont chargés et inscrits via Azure Container Registry.

Cluster Azure Container Service

Le déploiement de cette solution utilise Azure Container Service exécutant un cluster managé par Kubernetes. Les conteneurs sont déployés à partir d’images stockées dans Azure Container Registry.