借助 SAS Visual Text Analytics，從大量文字資料中探討人類行為，包括讀取、組織和擷取實用資訊。
偵測新興趨勢和隱藏機會
藉由適當整合自然語言處理、機器學習和深度學習方法以及語言規則，快速不懈地篩選出不斷增長的文字資料量，以識別主要構想或主題、擷取關鍵詞彙、分析情緒，並識別字詞之間的相關性，這有助於在人員需要時，將正確資訊傳遞給他們。
更快分析資料，制定明智決策
在資料來源處即能制定決策，減少從收到資訊到依據資訊採取行動之間的時間差距。只要有人在行動裝置上留下評論或點按瀏覽應用程式，SAS Visual Text Analytics 就能使用記憶體內、資料庫內和串流內技術，立即分析資料。內嵌視覺化功能讓您能以視覺化方式探索資料和資料分析，同時提供直覺化儀表板，輕鬆將結果傳達給不同專案關係人。
促進在開放式生態系統中進行協作和共用資訊
SAS Visual Text Analytics 提供靈活的環境，能支援整個資料分析生命週期，從資料準備到探索分析洞察，再到將模型投入生產，最終實現價值。在可輕鬆與現有系統和開放式程式碼技術整合的高度協作工作區中，建立、管理和共用內容，包括最佳做法管道。
利用自動化改善資料分析工作流程
智慧型演算法和 NLP 技術會自動偵測文字資料中的關係和情緒，省卻耗時的手動分析。搭配使用自動產生規則機制和互動式沙盒，增強使用人類主題專業知識來精簡結果的能力，其中沙盒可讓您評估規則子集，以判定哪些規則效能較佳。拖放功能、最佳做法範本、簡單合併與分割功能、輕鬆的主題推廣、自動規則產生和一鍵式模型部署，可共同減少建置模型所需投入的人力，進而能騰出更多時間專注於尋找重要資訊。
主要特色
藉由使用各種建模方法，透過 AI 來增強分析非結構化文字的人力工作。體驗自然語言處理、機器學習和語言規則的綜合能力。
資料存取、準備和品質
使用直觀的介面存取、分析、清理和轉換資料，該介面透過嵌入式 AI 提供自助式資料準備功能。
基於 BERT 的分類
擷取文字的上下文和意義，改善相較於傳統模型的準確性。除了一般分類，基於 BERT 的分類還可用於情緒分析。
資料視覺化
透過單一自助式介面，直觀地探索資料、建立和分享智慧視覺效果和互動式報表。增強分析和進階功能可加速洞察，並幫助您發現資料中隱藏的情況。
剖析
文字分隔為字詞、詞組、標點符號和其他意義元素，提供機器大規模分析文字所需的人類架構。
趨勢分析
非監督式機器學習會依據常見主題，將文件分組。相關性評分會計算每個文件歸屬到每個主題的適當程度，而二進位旗標則會顯示超過指定臨界值的主題成員數量。
資訊擷取
使用功能強大、靈活且可擴展的 SAS 專有程式設計語言，稱為文字資訊語言解譯 (LITI)，從文字提取出特定筆數資訊或資訊之間的關係。
混合建模方法
藉由使用各種整合功能 (包括豐富的語言規則混合、自然語言處理、機器學習和深度學習)，建置有效的文字模型。
情緒分析
識別文字中的主觀資訊，並標記為正面、負面或中性。將該資訊與某個實體相關聯，然後透過情緒指示器顯示，賦予視覺化描述。
語料庫分析
透過可輕鬆存取的輸出統計資料，瞭解語料庫結構，進而運用自然語言產生 (NLG) 技術來進行這些任務，例如資料清理、分離出雜訊、有效取樣、準備資料以輸入進一步模型 (規則型和機器學習)，以及策略化建模方法。
靈活的部署
可按批次、使用 Hadoop、在串流內和透過 API 部署模型。評分程式碼為原生執行緒形式，能執行分散式處理，從而充分利用計算資源，減少結果延遲。
對 33 種語言提供原生支援
立即可用的 NLP 功能使用世界各地本地語言專家建立的字典和語言資產，實現本地語言分析。
雲端原生
SAS Viya 的架構精實、雲端原生且快速。無論您是喜歡使用 SAS Cloud 還是公用雲端或私人雲端提供商，都能充分利用您的雲端投資。
瞭解 SAS Visual Text Analytics
相關產品
查看這些與 SAS Visual Text Analytics 相關的產品和解決方案。