Connection Information

To perform the requested action, WordPress needs to access your web server. Please enter your FTP credentials to proceed. If you do not your credentials, you should your web host.

Connection Type

Connection Information

To perform the requested action, WordPress needs to access your web server. Please enter your FTP credentials to proceed. If you do not your credentials, you should your web host.

Connection Type

▷ Comece a desbloquear o valor dos dados com o processamento de linguagem natural

Comece a desbloquear o valor dos dados com o processamento de linguagem natural

Nota: O seguinte artigo irá ajudá-lo com: Comece a desbloquear o valor dos dados com o processamento de linguagem natural

O processamento de linguagem natural tem um enorme potencial para as organizações usarem texto e dados falados em aplicativos, mas poucas empresas aproveitam ao máximo isso. Como as empresas podem melhorar sua experiência em PNL?

O processamento de linguagem natural é um ramo da inteligência artificial que dá aos computadores a capacidade de entender texto e palavras faladas. Para fazer isso, a PNL deve ser capaz de analisar palavras e frases para confundir a estrutura gramatical das frases e o significado das palavras, para que possam ser entendidas no contexto. No mundo dos dados não estruturados, a PNL faz o que outros processamentos de dados não estruturados fazem: tenta impor estrutura e significado a um fluxo de dados não estruturados.

VEJA: Kit de Contratação: Engenheiro de banco de dados (TechRepublic )

“Os diretores de dados e as linhas de negócios que eles am podem alavancar dados baseados em linguagem de várias maneiras”, disse Marco Varone, fundador e especialista em tecnologia da expert.ai. “A análise de texto é a identificação de pessoas, lugares e entidades-chave dentro de um texto para estabelecer o contexto. A descoberta de conhecimento é o processo de extrair informações importantes do texto para melhor organizar e classificar os dados. O processamento inteligente de documentos transforma automaticamente dados não estruturados em insights acionáveis ​​para acelerar processos de negócios e fluxos de trabalho.”

Um dos exemplos mais bem-sucedidos de PNL é o processo de descoberta legal. Na descoberta legal, os advogados devem examinar centenas e até milhares de documentos para identificar fatos, datas e entidades significativas que sejam úteis para a construção de seus casos. Essa é uma tarefa que antes era feita manualmente e que poderia levar muitos meses para grandes litígios, mas agora pode ser feita rapidamente com IA e PNL automatizados.

Outras aplicações comuns da PNL incluem análise de texto de contrato, análise de sentimento do Conheça seu cliente, PNL baseada em texto para identificar conformidade ambiental, social e de governança – e qualquer outro caso de negócios que apresente a necessidade de analisar e extrair dados de linguagem na forma falada ou escrita.

Como a linguagem está na base de praticamente todos os processos de negócios, as possibilidades de tecnologias como a PNL parecem ilimitadas, mas as organizações tendem a subutilizá-la. Por que é isso?

“A principal razão é a complexidade dos dados de linguagem não estruturados em comparação com os dados estruturados”, disse Varone. “Dados de linguagem não estruturados levam tempo para serem processados ​​e, por causa de suas nuances, exigem experiência para serem entendidos. As empresas querem um caminho mais rápido e claro para o valor, e os dados estruturados oferecem isso. Assim, as empresas olham primeiro para os frutos mais fáceis (big data tradicional) antes de ar para problemas mais complexos que exigem maiores investimentos e abordagens de longo prazo.”

O que torna a PNL complicada para as empresas implementarem é sua necessidade de interpretar a linguagem humana e então de alguma forma traduzir a complexidade das comunicações humanas em uma linguagem binária que os computadores possam entender. Este não é um processo simples.

VEJA: Microsoft Power Platform: O que você precisa saber sobre isso (PDF gratuito) (TechRepublic)

Mesmo se você projetar um sistema de PNL que possa executar um caso de uso de negócios cuidadosamente elaborado, o PNL deve ser continuamente ajustado e refinado para melhorar o desempenho. Ele também deve usar tecnologia autodidata, como aprendizado de máquina incorporado, que detecta padrões de comunicação repetitivos em sequências de linguagem e, em seguida, incorpora o que detectou e “aprendeu” na PNL geral para processar a linguagem com mais eficiência.

Há um bom número de ferramentas de PNL disponíveis para abordar todas as etapas de um fluxo de trabalho típico de PNL, mas a maioria delas (incluindo ferramentas de código aberto) não pode ser usada por usuários finais porque são muito complexas, muito específicas e exigem profunda experiência para alcançar resultados mínimos.

“Criar uma solução de PNL pronta para produção com essas ferramentas é uma jornada longa e frustrante que não é fácil de replicar”, disse Varone. “Mas a boa notícia é que uma nova geração de ferramentas agora possibilita que os usuários finais implementem soluções de ponta a ponta com o mesmo nível de experiência de um usuário final treinado.”

Essas ferramentas automatizam grande parte da leitura, compreensão e extração de dados de linguagem significativos e vêm em pacotes pré-criados que são personalizados para setores específicos do setor, como seguros, finanças, aeroespacial/defesa, jurídico etc.

Para começar, as empresas devem primeiro definir os casos de uso de negócios específicos aos quais desejam aplicar a PNL. Se a experiência da empresa com PNL for limitada (e na maioria dos casos será), é aconselhável trabalhar ao lado de um consultor especialista em PNL externo enquanto você desenvolve suas próprias habilidades.

Finalmente, uma equipe dedicada de PNL deve ser designada dentro da empresa que trabalha exclusivamente com PNL e desenvolve sua própria experiência em PNL para que possa criar e dar e a aplicativos de PNL por conta própria.

“A quantidade de valor escondida em informações textuais não estruturadas é tão grande que toda empresa precisa definir uma estratégia para transformar linguagem em dados de forma coerente e escalável”, disse Varone. “Não é simples, e leva tempo, esforço e investimento para conseguir, mas não é mais possível adiar essa decisão, pois o risco de ficar para trás no mundo digital é cada vez maior.”