最准确、最详细的分类

深度分类代表了分类技术的发展。这个API将预定义分类法的一个或多个类别分配给文本的不同片段.通过应用强大的语义规则技术,它提供了最大的分类精度,同时允许最快和最有效的模型定义。

此外,API还能够解释分配给每个代码片段的类别,识别其中触发了相应规则的表达式。当您需要最大的分类精度和细节,并优化实现成本时,可以使用它。

云深度分类API

越来越需要工业化地从文本中提取深刻的见解。在从媒体监控到合同分析的各种情况下,仅仅对内容进行肤浅的分析,以提取通用类别和无关联提及已经不够了。你必须深入挖掘词义的细节考虑到这些内容的巨大容量和多样性,以一种可伸缩和负担得起的方式来处理这些文本。

意义云深度分类API是这条线的第一步,开创了一个领域,在意义云中我们称之为深度语义分析。此API基于具有预定义类别的分类法,用于执行在代码段级别对文本进行分类,而不是在完整的文档级别进行分类。它试图发现表达“子上下文”的文本块或段落,并反映主题和子主题的结构为了更好地理解文档。

它应用了新的技术,允许您以最简单的方式创建分类模型,并以最小的投资和较短的实现时间对其进行调整。

语义规则技术

深度分类引擎融合了一种创新的基于规则的技术,不仅涵盖词汇和语法层次,而且还达到语义层次。这些规则基于深层的形态句法和语义分析定义抽象的模式,指的是术语的功能、语法形式和语义类别。语义信息可以来自产品的本体和用户创建的个人字典,这使得规则非常强大和可配置。

此外,这些规则还包含了高级表达式(规则、接近性、逻辑运算符)和宏,这些宏使它们的表达性成倍增加。优点是我们可以根据表达的功能和意义来制定规则,而不是根据术语的字面形式.通过这种方式,可以在创建分类模型时实现简单性(抽象)和能力之间的最佳权衡。

应用程序

可以从详细和精确的分类中受益的场景是无数的,其中包括:

内容分类

非常详细和精确地分类所有类型的内容(如网页,新闻),以便能够检索它们,导航它们,并更好地关联它们或插入有针对性的广告。

对文档的深刻理解

发现复杂文档(合同、财务报告)的主题和子主题结构,以了解其含义,并能够集中进行后续分析(例如,提取合同条款中的条款)。

分析客户的声音

通过调查、联络中心或社交媒体,分析客户产生的非结构化反馈,以发现他们的需求、看法和偏好。bob体育平台二维码可以作为bob体育电竞

分析员工的声音

通过发现员工在绩效评估、调查或面试中表达的意见、愿望和技能,更有效地管理组织中的人才。可以作为MeaningCloud垂直包

深度分类API的优点

深度分类提供了比其他更传统的分类技术的巨大优势:

细粒度的

它在片段级进行分类,发现文档的主题结构,例如,识别与某个主题有关的合同条款和段落。

准确的

基于语义规则,只需添加有重点的规则,就可以将准确性和召回性提高到其他技术无法达到的水平。

动态类别

个人字典可以用来定义特定语义类(如品牌)中的实体和概念,这些语义类和概念在定义类别的规则中被动态使用。

不需加以说明的

它证明了将类别分配给代码片段的合理性,显示了触发了相应规则的表达式,并提供了置信指标。

用于简短的文本和复杂的文档

基于规则的技术无论在字数少的文本中还是在多节的文档中都能提供良好的结果。

预定义的模型

立即使用API,利用其预先准备好的分类模型,例如用于分析包含在其中的客户的声音或员工的声音的模型bob娱乐

可定制的

使用我们的用于规则创建和验证的工具轻松构建完全适应您的场景的模型。

不需要详尽的训练语料库

与其他技术不同,语义规则允许在不需要大量训练集的情况下开发模型,只需要对类别有抽象的理解。

多语言

目前有6种语言,很快就会有更多。

什么时候用深度分类代替文本分类?

文本分类的API在根据预定义的分类法对内容进行分类时,提供了一个完全可行的替代方案,特别是当您拥有为机器学习技术提供服务的培训文本时。然而,有一些场景我们推荐使用深度分类:

  • 您希望在代码段级别进行分类,而不仅仅是在文档级别。
  • 你需要解释每个类别的作业。
  • 你没有足够的培训教材。
  • 您希望在准确性和成本之间做出最优的权衡。