Les mises à jour de l’IA textuelle génèrent une valeur commerciale plus rapide

Comment pouvez-vous gagner du temps pour comprendre l’impact du langage lorsque vous travaillez avec du texte dans des modèles de ML ? Avec des dizaines de milliers de projets Text AI, Simseo a aidé les organisations à débloquer des informations à partir de texte et à générer des prédictions avec des modèles de texte, de l’assistance au triage des tickets d’assistance client à la prévision des prix de vente de l’immobilier. En continuant à s’appuyer sur les capacités d’IA textuelle précédemment publiées, Simseo AI Cloud introduit de nouvelles fonctionnalités pour aider à la détection de la langue, à l’optimisation des plans et aux explications de prédiction de texte qui aident les clients à créer et à comprendre rapidement des modèles basés sur du texte.

Détection améliorée de la langue du pilote automatique et réglage automatique des hyperparamètres

La détection de la langue a été un élément essentiel de Simseo lorsque vous travaillez avec du texte, et maintenant nous avons amélioré la capacité. La fonction de détection de langue turbocompressée utilise désormais un algorithme d’apprentissage en profondeur pour identifier encore plus précisément la langue du texte. Non seulement cela, mais nous avons également ajouté des heuristiques sur toute la plate-forme pour optimiser les plans générés pour le texte détecté. Pas besoin de passer des semaines à essayer d’affiner les modèles. Simseo produit les plans les plus optimisés et extrait la plus grande précision de notre vaste bibliothèque de modèles.

L’ensemble de données ci-dessous contient Amazon français^® avis de produits où Simseo a correctement identifié la langue comme étant le français. Les paramètres ont également été ajustés automatiquement pour optimiser le plan directeur pour la langue française.

Aperçus immédiats avec des explications de prédiction de texte

Simseo accélère la génération de modèles de texte précis et offre un grand pas en avant pour aider les utilisateurs à comprendre l’impact du texte sur les prédictions d’un modèle en introduisant des explications de prédiction de texte.

Grâce aux explications de prédiction, un utilisateur peut identifier l’impact d’une fonctionnalité sur les prédictions d’un modèle, à la fois en termes d’impact négatif ou positif et de force relative. Cependant, cela n’est pas nécessairement suffisant lorsqu’il s’agit de fonctionnalités de texte. Le texte et le langage humain sont extrêmement complexes, fluides et incompatibles avec les nuances contextuelles, l’ambiguïté et bien d’autres complications impliquées dans la compréhension du texte.

Parce que le langage est si complexe, il est extrêmement important de pouvoir expliquer comment un modèle d’apprentissage automatique interprète le texte aux humains. Grâce à cette nouvelle fonctionnalité, les utilisateurs peuvent mieux comprendre et faire confiance aux résultats du modèle. Désormais, les utilisateurs peuvent valider l’importance que le modèle accorde aux mots, y compris les impacts négatifs et positifs. De plus, les utilisateurs peuvent comprendre les lacunes d’un modèle lorsqu’ils travaillent avec des mots spécifiques dans un contexte plus large. Un exemple de ceci serait un modèle qui prédit le succès d’une candidature à l’embauche. Si les explications de prédiction de texte identifient un nom spécifique comme extrêmement percutant, cela peut être un signe que le nom fausse les résultats du modèle et devrait en fait être supprimé en tant que point de données pour éliminer les biais. De plus, l’identification de mots percutants peut aider les utilisateurs à se concentrer sur des concepts importants susceptibles d’affecter le résultat du problème spécifique qu’ils tentent de résoudre.

Les explications de prédiction de texte font gagner du temps aux utilisateurs en affichant un niveau de granularité qui montre l’importance de chaque mot. Sans cette capacité, les utilisateurs doivent lire le texte intégral pour parvenir à la même compréhension, ce qui entraîne une perte massive de temps et de valeur pour l’utilisation d’un modèle d’apprentissage automatique en premier lieu.

Poursuivant avec l’exemple de l’examen des avis Amazon français, les informations de Simseo ont identifié les deux fonctionnalités textuelles comme ayant un impact relativement positif sur les prédictions.

Cliquer sur le nouveau bouton contextuel orange révélera les explications de prédiction de texte pour la fonction de texte qui a été sélectionnée.

Voici ce qui se passe lorsqu’un utilisateur ouvre les explications de prédiction de texte pour le texte caractéristique.

Grâce à cette fonctionnalité, les utilisateurs peuvent désormais voir les mots qui ont le plus d’impact sur les prédictions du modèle. Dans ce cas précis, « Sony » est l’un des mots qui est mis en évidence comme ayant un impact relativement élevé. Ainsi, le vendeur Amazon du produit pourrait utiliser ces informations pour examiner de plus près les produits Sony et leur lien avec la satisfaction du client.

Mettez la main sur ces mises à niveau d’IA textuelle dès aujourd’hui

Les clients de la plate-forme Simseo AI Cloud peuvent commencer immédiatement avec ces mises à niveau Text AI. La détection de langue améliorée et le réglage des hyperparamètres sont disponibles dans GA, et des explications sur la prédiction de texte sont disponibles dans la préversion publique avec la version de juillet d’AI Cloud.

Pour plus d’informations, visitez Documentation Simseo et planifier une démo.