Клієнт–серверні засоби інтелектуального аналізу інформаційних ресурсів мережі Інтернет.

Abstract

Сучасні технології активно розвиваються. Ера інтернету надає усім людям доступ до величезної кількості інформації. Її безперервний потік слугує своєрідним повсякденним інформаційним фоном. Люди розробили спеціальні засоби пошуку інформації в мережі інтернет, з метою структуризації даних. Пошукові системі тісно інтегрувались в наше життя, та надають можливості пошуку інформації та відповіді на будь-яке питання. Важко переоцінити потребу у засобах інтелектуального аналізу інформаційних ресурсів в часи коли інформації довкола так багато. Аналіз тексту (TA) — це техніка машинного навчання, яка використовується для автоматичного вилучення цінної інформації з неструктурованих текстових даних. Компанії використовують інструменти аналізу тексту, щоб швидко переварювати онлайн-дані та документи та перетворювати їх на корисну інформацію. Використовують аналіз тексту, щоб витягти конкретну інформацію, як-от ключові слова, імена або інформацію про компанію, з тисяч електронних листів, або класифікувати відповіді опитування за настроєм і темою. Аналіз тексту дає якісні результати, а аналіз тексту — кількісні результати. Якщо машина виконує аналіз тексту, вона визначає важливу інформацію в самому тексті, але якщо вона виконує текстову аналітику, вона виявляє закономірності в тисячах текстів, що призводить до графіків, звітів, таблиць тощо. Скажімо, менеджер служби підтримки хоче знати, скільки запитів у службу підтримки було вирішено окремими членами команди. У цьому випадку вони використовували б текстову аналітику, щоб створити графік, який візуалізує швидкість розгляду окремих запитів. Однак, імовірно, менеджер також хоче знати, яка частка квитків призвела до позитивного чи негативного результату? Аналізуючи текст у кожному квитку та наступні обміни, менеджери служби підтримки клієнтів можуть побачити, як кожен агент обробляв квитки та чи були клієнти задоволені результатом. 9 В основному, проблема аналізу тексту полягає в розшифровці неоднозначності людської мови, тоді як в аналітиці тексту це виявлення закономірностей і тенденцій на основі числових результатів. Навчивши машини працювати над упорядкуванням та аналізом ваших текстових даних, можна отримати величезні знання та переваги. Інструменти аналізу тексту дозволяють компаніям структурувати величезну кількість інформації, як-от електронні листи, чати, соціальні мережі, квитки на підтримку, документи тощо, за секунди, а не за дні, тож ви можете перенаправляти додаткові ресурси на важливіші бізнес-завдання. Компанії переповнені інформацією, і сьогодні коментарі клієнтів можуть з’являтися де завгодно в Інтернеті, але буває важко стежити за всім цим. Аналіз тексту змінює гру, коли справа доходить до виявлення невідкладних справ, де б вони не з’являлися, 24/7 та в режимі реального часу. Навчаючи моделі аналізу тексту виявляти вирази та настрої, які мають на увазі негативність або терміновість, компанії можуть автоматично позначати твіти, огляди, відео, квитки тощо та вжити заходів раніше, ніж пізніше. Люди роблять помилки. Факт. І чим виснажливіше і трудомісткіше завдання, тим більше вони допускають помилок. Навчаючи моделі аналізу тексту відповідно до ваших потреб і критеріїв, алгоритми можуть аналізувати, розуміти та сортувати дані набагато точніше, ніж люди.