Die Textklassifikation ist eine der auf KI und Deep Learning basierenden Funktionen in Trendskout. Die Textklassifikation liest und interpretiert Texte für verschiedene Anwendungen in den Bereichen Kundenservice, Verwaltung, Vertrieb und Produktion.
Diese Interpretation basiert auf einem Textklassifikationsmodell, das mit gelabelten Textdaten trainiert wird. Wie bei anderen Klassifizierungsalgorithmen erfolgt dies in zwei Phasen: in einer Trainings- und einer Produktionsphase. In der Produktionsphase wird das zuvor trainierte Modell verwendet, um neue Texte zu klassifizieren oder zu labeln. Um dieses Klassifizierungsmodell zu trainieren, werden Techniken wie neuronale Netze und NLP (natürliche Sprachverarbeitung) eingesetzt. Die in diesen beiden Phasen verwendeten Techniken werden im Folgenden näher erläutert.
Zusätzlich zu den spezifischen Modulen für Produktionsunternehmen bietet die Trendskout AutoML-Plattform auch zahlreiche Möglichkeiten für IT-Teams, KI-Anwendungen schnell einzurichten. Dies wird durch unsere einzigartige doppelte KI-Layer und die benutzerfreundliche Schnittstelle ermöglicht, die Datentransformationen, die Auswahl von Algorithmen und das Hypertuning vollständig automatisieren.
Holen Sie sich den kostenlosen Zugang zu unserem Resource Center mit interessanten Anwendungsfällen.
Die Textklassifikation ist eine der Funktionen der Trendskout KI-Flussanalyse.
In der ersten Phase werden gelabelte oder annotierte Textdaten in Trendskout geladen. Es ist auch möglich, über einen Text-Clustering-Schritt mit Annotation zu arbeiten, in dem dann, basierend auf Verbindungen und Ähnlichkeit von Texten, den Trainingsdaten selbst Labels (oder Klassen) zugewiesen werden. Trainingsdaten können über einen einfachen Datei-Upload, über eine API, ein Plugin, eine Datenbankverbindung usw. im Verbinden-Schritt hochgeladen werden. Die Textdaten können im Rohformat geladen werden, und es gibt praktisch keine Grenzen im Hinblick auf die Größe oder andere Texteigenschaften. Im Trainingsschritt wendet Trendskout – als Teil der Algorithmenauswahl- & Hypertuning-Phase – verschiedene Verfahren auf die Textrohdaten an. Bei diesen Operationen handelt es sich hauptsächlich um NLP-Techniken, die darauf abzielen, diese rohen Textdaten zu bereinigen, sie semantisch zu interpretieren und für den Algorithmus – ein neuronales Netz – lesbar zu machen, der dann das prädiktive Klassifizierungsmodell erstellt. Es gibt verschiedene Optionen in Bezug auf die Datenoperationen, die Auswahl des Algorithmus und die Parameter, die zu einer praktisch unendlichen Anzahl möglicher Kombinationen führen. Trendskout verwendet mithilfe intelligenter AutoML & Erkundung des Lösungsraums die beste Kombination, um so das leistungsstärkste Modell zu generieren. Die Bewertung der Genauigkeit dieses Modells erfolgt durch Tests mit einem Teil der Trainingsdaten, die der Algorithmus zuvor noch nicht verarbeitet hat. Unter anderem auf diese Weise wird eine Überanpassung vermieden. Der gesamte Trainingsprozess wird – wie bei den anderen Analysen auch – durch einen Klick auf die Schaltfläche „Train/Deploy“ in der KI-Fluss-Schnittstelle gestartet.
Das erfolgreiche Klassifizierungsmodell aus dem Trainingsschritt wird dann für die Klassifizierung oder das Labeling neuer Texte verwendet. Um das Klassifizierungsmodell in Produktion zu geben, klicken Sie – wie bei den anderen Analysen auch – auf die „Deploy“-Funktion. Es gibt verschiedene Eingabemöglichkeiten für diese Texte: API, Plugin, Datenbank, FTP, etc. Die Texte können also als Batch oder in Echtzeit geladen werden. Durch die hohe Verarbeitungsgeschwindigkeit der Texte, NLP und Klassifizierung, erfolgt die Antwort immer in Echtzeit. Diese Antwort ist ein Label oder eine Klassifizierung gemäß den Annotationen in den Trainingsdaten.
