SAS Visual Text Analytics
Escale el acto humano de leer, organizar y extraer información útil de grandes volúmenes de datos textuales.
-
Detecta tendencias emergentes y oportunidades ocultas.
Examine rápida e incansablemente volúmenes crecientes de datos de texto para identificar ideas o temas principales, extraer términos clave, analizar sentimientos e identificar correlaciones entre palabras con la combinación correcta de procesamiento de lenguaje natural, machine learning y métodos de deep learning y reglas lingüísticas. Esto ayuda a llevar la información correcta a las personas cuando la necesitan.
-
Pase de los datos a las decisiones más rápido.
Potencie la toma de decisiones en el origen de los datos y reduzca la brecha entre el momento en que se recibe la información y el momento en que se actúa. Si alguien deja un comentario o hace clic en una aplicación en un dispositivo móvil, SAS Visual Text Analytics analiza los datos inmediatamente utilizando tecnologías en memoria, en base de datos e in-stream. Las capacidades de visualización integradas permiten la exploración visual de datos y análisis al mismo tiempo que proporcionan paneles intuitivos que comunican fácilmente los resultados a una variedad de partes interesadas.
-
Fomentar la colaboración y el intercambio de información en un ecosistema abierto.
SAS Visual Text Analytics proporciona un entorno flexible que admite todo el ciclo de vida analítico, desde la preparación de datos hasta el descubrimiento de conocimientos analíticos y la puesta en producción de modelos para generar valor. Cree, administre y comparta contenido, incluidas canalizaciones de mejores prácticas, en un espacio de trabajo altamente colaborativo que se integra fácilmente con los sistemas existentes y la tecnología de código abierto.
-
Mejore el flujo de trabajo analítico con la automatización.
Los algoritmos inteligentes y las técnicas de NLP detectan automáticamente las relaciones y el sentimiento en los datos de texto, lo que elimina el análisis manual que requiere mucho tiempo. El uso de la experiencia humana en la materia para refinar los resultados se aumenta con la generación automática de reglas y un espacio aislado interactivo que le permite evaluar subconjuntos de reglas para determinar cuáles tienen un mejor rendimiento. La funcionalidad de arrastrar y soltar, las plantillas de mejores prácticas, las funciones simples de combinación y división, la promoción de temas sin esfuerzo, la generación automática de reglas y la implementación de modelos con un solo clic reducen colectivamente el esfuerzo de construcción de modelos humanos requerido, creando más tiempo para concentrarse en encontrar la información que importa.
Características principales
Aumente los esfuerzos humanos para analizar texto no estructurado con IA utilizando una variedad de enfoques de modelado. Experimente el poder combinado del procesamiento del lenguaje natural, el aprendizaje automático y las reglas lingüísticas.
Clasificación basada en el modelo de lenguaje grande (LLM)
Capture el contexto y el significado de las palabras en un texto para mejorar la precisión en comparación con los modelos tradicionales. Además de la clasificación general, la clasificación basada en BERT se puede utilizar para realizar análisis de sentimientos.
análisis
El texto se separa en palabras, frases, signos de puntuación y otros elementos de significado para proporcionar el marco humano que necesita una máquina para analizar el texto a escala.
Análisis de tendencia
El machine learning no supervisado agrupa documentos basados en temas comunes. Las puntuaciones de relevancia calculan qué tan bien pertenece cada documento a cada tema, y un indicador binario muestra la pertenencia al tema por encima de un umbral determinado.
Extracción de información
Extraiga piezas específicas de información o relaciones entre la información del texto utilizando un lenguaje de programación propietario de SAS poderoso, flexible y escalable llamado interpretación de lenguaje para información textual (LITI).
Enfoques de modelado híbrido
Cree modelos de texto efectivos utilizando una variedad de capacidades combinadas, incluida una rica combinación de reglas lingüísticas, procesamiento de lenguaje natural, machine learning y deep learning.
Análisis de los sentimientos
La información subjetiva se identifica en el texto y se etiqueta como positiva, negativa o neutra. Esa información está asociada con una entidad y se proporciona una representación visual a través de una pantalla indicadora de opinión.
Análisis de corpus
Comprenda la estructura del corpus a través de estadísticas de salida de fácil acceso para aprovechar la generación de lenguaje natural (NLG) para tareas como la limpieza de datos, la separación del ruido, el muestreo efectivo, la preparación de datos como entrada para otros modelos (basado en reglas y aprendizaje automático) y la creación de estrategias de enfoques de modelado.
Soporte nativo para 33 idiomas
La funcionalidad de NLP lista para usar permite el análisis del idioma nativo utilizando diccionarios y activos lingüísticos creados por expertos en idiomas nativos de todo el mundo.
SAS Viya es nativo de cloud y agnóstico de cloud
Consume SAS como quieras: SAS gestionado o autogestionado. Y donde quieras.
