Problem: Anwendung von Algorithmen des maschinellen Lernens auf die Verarbeitung natürlicher Sprache (NLP).

Der Kontext: Seit Jahrzehnten kommunizieren Menschen mit Maschinen, indem sie einen Code mit bestimmten Regeln schreiben. Computer haben lange Zeit Aufgaben als Reaktion auf die Befehle ausgeführt, die wir ihnen gegeben haben. Dank der Fortschritte im NLP können wir jetzt mit Computern in natürlicher Sprache kommunizieren.

Zu den Erfolgsgeschichten von NLP gehören Chatbots, die rund um die Uhr Kundenanfragen bearbeiten, virtuelle Assistenten (z. B. Amazon Alexa), die unsere mündlichen Befehle verstehen und unsere Bedürfnisse in Echtzeit erfüllen, und maschinelle Übersetzer, die die wichtigsten Sprachen im Handumdrehen übersetzen. Textzusammenfassung, Inhaltskategorisierung, Stimmungsanalyse, Text-zu-Sprache-Konvertierung, Sprache-zu-Text-Konvertierung und andere NLP-Funktionen heben die Kommunikation zwischen Mensch und Maschine auf die nächste Stufe.

Modell-Typ: Eine Kombination von Algorithmen im NLP

Was wir gemacht haben: Wir haben eine Python-Bibliothek namens TextBlob verwendet, um NLP-Funktionen als APIs bereitzustellen. Wir haben diese Fähigkeiten mit der SnapLogic-Plattform operationalisiert.(Mehr darüber, wie wir diese Demo erstellt haben).

In dieser Demo geben Sie einen oder mehrere Sätze in das linke Fenster ein und klicken auf die Schaltflächen unter den Fenstern, um verschiedene NLP-Operationen wie z. B. eine Stimmungsanalyse durchzuführen. Ihre Ergebnisse können sich aufgrund der Nachfrage verzögern. Bitte haben Sie Geduld.