Ignorar Navegação

Arquitetura de soluções: Deteção de informações com o processamento de linguagem natural e de aprendizagem profunda

Os sites de redes sociais, os fóruns e outros serviços de Perguntas e Respostas com muito texto baseiam-se bastante nas etiquetas, que permitem a indexação e a pesquisa dos utilizadores. Sem um uso de etiquetas adequado, estes sites são muito menos eficazes. Contudo, em muitos casos, a etiquetagem é deixada ao critério dos utilizadores. E uma vez que os utilizadores não têm listas dos termos mais pesquisados nem um grande conhecimento da categorização ou da arquitetura das informações dos sites, é frequente que as mensagens estejam mal etiquetadas. Esta etiquetagem errada dificulta ou torna impossível encontrar esses conteúdos quando são precisos mais tarde.

Ao combinar a aprendizagem aprofundada e o processamento de linguagem natural (NLP) com dados em termos de pesquisa de sites específicos, esta solução ajuda a melhorar grandemente a precisão das etiquetas do seu site. À medida que o utilizador escreve a mensagem, a solução oferece termos muito utilizados como etiquetas sugeridas, permitindo que os outros utilizadores encontrem mais facilmente as informações de que precisam.

Deteção de informações com o processamento de linguagem natural e de aprendizagem profundaVeja como é que o processamento de linguagem natural e de aprendizagem profunda pode ser utilizado eficazmente com a plataforma Microsoft AI.

Orientações de implementação

Produtos/Descrição Documentação

Microsoft SQL Server

Os dados são armazenados, estruturados e indexados com o Microsoft SQL Server.

Máquina Virtual de Ciência de Dados (DSVM) do Azure baseada no GPU

O ambiente de desenvolvimento principal é o Microsoft Windows Server 2016 GPU DSVM NC24.

Azure Machine Learning Workbench

O Workbench é utilizado para limpeza e transformação de dados e funciona como a interface principal para os serviços Experimentação e Gestão de Modelos.

Serviço Experimentação do Azure Machine Learning

O serviço Experimentação é utilizado para a preparação do modelo, incluindo para a otimização de hiper-parâmetros.

Serviço Gestão de Modelos do Azure Machine Learning

O serviço Gestão de Modelos é utilizado para a implementação do modelo final, incluindo para o aumento horizontal para um cluster do Azure gerido pelo Kubernetes.

Jupyter Notebooks em VMs de Ciência de Dados do Azure

O Jupyter Notebooks é utilizado como o IDE de base para o modelo, que foi desenvolvido em Python.

Azure Container Registry

O serviço Gestão de Modelos cria e empacota serviços Web em tempo real como contentores do Docker. Estes contentores são carregados e registados através do Azure Container Registry.

Cluster do Azure Container Service

A implementação desta solução utiliza o Azure Container Service que executa um cluster gerido pelo Kubernetes. Os contentores são implementados a partir das imagens armazenadas no Azure Container Registry.