カスタム・モデル

カスタム・テキスト分類を使用すると、カスタムAIモデルを構築して、あらかじめ定義した一連のクラスにテキストを自動的に分類できます。

ユースケース: サポート・チケットの割当て

カスタマー・サポート・チームは、構造化されていないテキストや自由形式のテキストに記載されている問題やクエリで、何百もの電子メールやチケットを受け取ります。これらのチケットを迅速に試し、適切な所有者にチケットを割り当てることは、迅速な応答時間を確保するために重要です。

手動のトリアージにより、時間とリソースが消費されます。手動のトリアージでは、ユーザーはチケットを読み取り、適切なチーム・メンバーに割り当てる必要があります。

かわりに、カスタム・モデルを作成し、サンプルEメールまたはサポート・チケットでモデルをトレーニングできます。その後、モデルをデプロイして、新しいチケットや電子メールを分析し、分類して、適切な所有者に自動的に割り当てることができます。

ユースケース: ドキュメントの分類

採用担当者は、職歴や推薦状などの応募者の記入票にラベルを手動で割り当てます。

手動によるラベル付けでは、多数のドキュメントを読み取り、ラベルを適用する必要があります。サンプル・ドキュメントでトレーニングされたカスタム・テキスト分類は、各添付に正しいタグを自動的に割り当てるパイプラインの構築に役立ちます。

入力テキストでサポートされている言語

カスタム・テキスト分類でサポートされている入力テキスト

入力テキスト言語	カスタム・テキスト分類のサポート
英語	Yes
スペイン語	Yes
アラビア語	デザインのサポート
中国語- シンプル	デザインのサポート
中国語- 繁体字	デザインのサポート
オランダ語	デザインのサポート
フランス語	デザインのサポート
ドイツ語	デザインのサポート
イタリア語	デザインのサポート
日本語	デザインのサポート
韓国語	デザインのサポート
ポーランド語	デザインのサポート
ポルトガル語	デザインのサポート
タイ語	デザインのサポート
トルコ語	デザインのサポート

カスタム名認識を使用すると、ビジネスまたは業種固有のドメイン固有のエンティティを識別できます。

ユースケース: カスタム・エンティティの抽出

人事部門は、内定通知、求人情報、候補者プロファイル、面接メモなど、大量の非構造化データを生成、保存、処理します。事前トレーニング済モデルは、オファー済候補者名、オファー日、採用マネージャおよび参加日などのドメインまたはビジネス固有のエンティティを抽出できません。

事前トレーニング済モデルは、DATEなどのエンティティのみを認識できますが、オファーや結合日などのエンティティに特定の意味を関連付けることはできません。オファー・レターなどのサンプル・データ・ファイルでカスタム・モデルをトレーニングできます。トレーニング済モデルは、オファー済個人、オファー済エンティティ、監督者、HR担当者名などのビジネス・エンティティを抽出できます。

ユースケース: 情報の取得

金融サービス会社は、特定のエンティティを契約から抽出して、情報取得システムでの結果を容易に取得したいと考えています。後で顧客が契約をフィルタできるように、これらのエンティティを抽出しようとしています。たとえば、2022年1月1日より後の有効日および3年より長い期間の契約のみを表示するようにフィルタできます。

カスタム・モデルを使用して、契約条件、有効日、署名日、開示者、受取者などの様々なエンティティを識別できます。これらのエンティティを抽出した後、検索サブシステムでエンティティをフィルタおよびファセットとして使用できます。

入力テキストでサポートされている言語

カスタムNERでサポートされる入力テキスト

入力テキスト言語	カスタムNERのサポート
英語	Yes
スペイン語	Yes
アラビア語	デザインのサポート
オランダ語	デザインのサポート
フランス語	デザインのサポート
ドイツ語	デザインのサポート
イタリア語	デザインのサポート