Platform For AI:Yemek siparişi yorumları için kamuoyu risk yönetimi

Arka plan

Birçok işletme, müşterilerinden geri bildirim toplamak için çevrimiçi platformları kullanır. Bu geri bildirimler olumlu (övgü) veya olumsuz (eleştiri) olabilir. İşletmeler, ürün kalitelerinin müşteri beklentilerini karşıladığından emin olmak için kamuoyunu anlamalıdır. Yorum içeriğinin analizi ayrıca işletmelerin trendleri belirlemesine ve ürün geliştirmeye yön vermesine yardımcı olur.

Çevrimiçi geri bildirim platformları her gün büyük miktarda yorum üretir. Büyük hacimli yorum verilerinin manuel olarak analiz edilmesi verimsizdir ve çoğu zaman hatalı sonuçlar verir. Bu süreci otomatikleştirmek, kamuoyunu toplamak ve değerlendirmek için esastır. PAI platformu, metin vektörleştirme ve sınıflandırma temelli bir dizi algoritma sunar. Bu algoritmalar, etiketli geçmiş yorumları kullanarak yeni yorumların duygu durumunu otomatik olarak tahmin eden bir sınıflandırma modeli oluşturur. Tam çerçeve, Designer içinde önceden ayarlanmış bir şablon olarak sunulur. 11.987 etiketli yemek siparişi yorumundan oluşan gerçek dünya veri kümesine dayanan bu çözüm, hem olumlu hem de olumsuz duygu durumu için kamuoyu risk yönetimini otomatikleştirir ve yaklaşık %75 doğruluk sağlar.

Designer içindeki önceden ayarlanmış işlem hattı şablonunu kullanarak bir ila iki gün içinde hızlıca bir kamuoyu risk yönetimi çözümü kurabilir ve yorumların akıllı, büyük ölçekli analizini sağlayabilirsiniz. Daha fazla yorum verisi toplandıkça modelin doğruluğu artar. Bu çözüm, spam filtreleme ve haber makaleleri için duygu sınıflandırması gibi çeşitli metin analizi senaryolarında uygulanabilir.

Veri kümesi

Risk kontrol işlem hattını oluşturun

1. Machine Learning Designer sayfasına gidin.

   1. PAI console adresinde oturum açın.

   2. Sol gezinme bölmesinde, Workspaces seçeneğine tıklayın. Workspaces sayfasında, yönetmek istediğiniz çalışma alanının adına tıklayın.

   3. Sol gezinme bölmesinde, Model Training > Visualized Modeling (Designer) yolunu izleyin.

2. İşlem hattını oluşturun.

   1. Designer sayfasında, Preset Templates sekmesine tıklayın.

   2. Şablon listesinde, Public Opinion Risk Control Based on Takeaway Reviews şablonunu seçin ve Create seçeneğine tıklayın.

   3. Create Pipeline iletişim kutusunda parametreleri yapılandırın. Tüm parametreler için varsayılan ayarları kullanabilirsiniz.

      Data Storage parametresi, işlem hattı çalıştırması sırasında oluşturulan geçici verileri ve modelleri depolamak için bir OSS Bucket yolu belirtir.

   4. Confirm seçeneğine tıklayın.

      İşlem hattının oluşturulması yaklaşık 10 saniye sürer.

   5. İşlem hattı listesinde, Public Opinion Risk Control Based on Takeaway Reviews işlem hattına çift tıklayın.

   6. Designer, aşağıda gösterildiği gibi işlem hattını önceden ayarlanmış şablondan otomatik olarak oluşturur.

      

      Bölüm	Açıklama
      ①	Veri kaynağı, yani yorum verileri.
      ②	Dur kelimeleri. Bu bölüm, yardımcı fiiller ve noktalama işaretleri gibi kelimeleri filtreler. Bir dur kelime listesini manuel olarak yüklemeniz gerekir. Örneğin, stop_word listesi $, 0 ile 9 arasındaki rakamlar, ? ve _ gibi girişler içerir.
      ③	Metin vektörleştirme. Doc2Vec algoritması her yorumu anlamsal bir vektöre dönüştürür. Her vektör satırı bir yorumun anlamını temsil eder. İşlem hattı çalıştıktan sonra, tuvaldeki Doc2Vec öğesine sağ tıklayıp View Data > Output Document Vector Table yolunu izleyerek metin vektör tablosunu görüntüleyebilirsiniz.
      ④	Bir sınıflandırma modeli oluşturun. İlk olarak, bir bölme bileşeni vektörleştirilmiş metni bir eğitim veri kümesi ve bir test veri kümesine ayırır. Ardından, lojistik regresyon algoritması eğitim veri kümesini kullanarak ikili bir sınıflandırma modeli eğitir. Bu model, bir yorumun olumlu mu yoksa olumsuz mu olduğunu belirleyebilir.
      ⑤	Bir karmaşıklık matrisi, modelin performansını değerlendirir.

3. İşlem hattını çalıştırın ve sonuçları görüntüleyin.

   1. Tuvalin üst kısmındaki Çalıştır simgesine tıklayın.

   2. İşlem hattı çalışmayı tamamladıktan sonra, tuvaldeki Confusion Matrix bileşenine sağ tıklayın ve kısayol menüsünden Visual Analysis seçeneğine tıklayın.

   3. Confusion Matrix bölümünde, model değerlendirme istatistiklerini görüntülemek için Summary sekmesine tıklayın.