Hopp over navigasjon

Løsningsarkitektur: Informasjonsoppdagelse med dyplæring og naturlig språk-behandling

Sosiale områder, Internett-fora og andre spørsmål-og-svar-tjenester med mye tekst, er svært avhengig av tagging, noe som muliggjør indeksering og brukersøk. Uten riktig tagging er disse områdene mye mindre effektive. Tagging er imidlertid ofte opptil brukeren. Og ettersom brukere ikke har lister over ofte søkte termer eller en dyp forståelse for kategoriseringen eller informasjonsarkitekturen til et område, blir innlegg ofte feilmerket. Dette gjør det vanskelig eller umulig å finne innholdet når det er behov for det senere.

Ved å kombinere omfattende læring og naturlig språkbehandling (NLP – Natural Language Processing) med data om områdespesifikke søkeord, bidrar denne løsningen til å forbedre nøyaktigheten av tagger for området ditt i stor grad. Mens brukeren din skriver innleggene sine, tilbyr den ofte brukte ord som foreslåtte tagger, noe som gjør det lettere for andre å finne informasjonen som de skriver.

Information discovery with deep learning and natural language processingSee how deep learning and natural language processing can be used effectively with the Microsoft AI platform.

Implementeringsveiledning

Produkter/beskrivelse Dokumentasjon

Microsoft SQL Server

Data lagres, struktureres og indekseres ved hjelp av Microsoft SQL Server.

GPU-basert Azure Data Science Virtual Machine

Microsoft Windows Server 2016 GPU DSVM NC24 er kjerneutviklingsmiljøet.

Azure Machine Learning Workbench

Arbeidsbenken brukes til datarensing og -transformasjon og tjener som det primære grensesnittet for eksperimenterings- og modelladministrasjonstjenestene.

Azure Machine Learning Experimentation Service

Eksperimenteringstjenesten brukes til modellopplæring, inkludert hyperparameterjustering.

Azure Machine Learning Model Management Service

Model Management Service brukes til å distribuere den endelige modellen, inkludert skalere ut, til en Kubernetes-administrert Azure-klynge.

Jupyter Notebooks på Azure Data Science VM

Jupyter Notebooks brukes som det grunnleggende integrerte utviklingsmiljøet for modellen, som ble utviklet i Python.

Azure beholderregister

Model Management Service oppretter og pakker sanntidswebtjenester som Docker-beholder. Disse beholderne lastes opp og registreres via Azure Container Registry.

Azure Container Service-klynge

Distribusjonen for denne løsningen bruker Azure Container Service som kjører en Kubernetes-administrert klynge. Beholderne distribueres fra bilder lagret i Azure Container Registry.