カスタム・モデル

カスタム・テキスト分類を使用すると、テキストを事前定義済のクラスのセットに自動的に分類するカスタムAIモデルを作成できます。

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で説明されている問題やクエリを含む数百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、正しい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。

手動トリアングでは時間とリソースを消費します。手動トリアングでは、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。次に、モデルをデプロイして、新しいチケットまたはEメールを分析し、分類し、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: 文書の分類

採用担当者は、勤務履歴やレコメンデーション関連文書などの応募者の記入票にラベルを手動で割り当てます。

手動ラベル付けでは、多数のドキュメントを読み取って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、パイプラインを構築し、各添付に正しいタグを自動的に割り当てるのに役立ちます。

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・テキスト分類でサポート
英語	はい
スペイン語	はい
アラビア語	設計でサポート
中国語- 簡体字	設計でサポート
中国語- 繁体字	設計でサポート
オランダ語	設計でサポート
フランス語	設計でサポート
ドイツ語	設計でサポート
イタリア語	設計でサポート
日本語	設計でサポート
韓国語	設計でサポート
ポーランド語	設計でサポート
ポルトガル語	設計でサポート
タイ語	設計でサポート
トルコ語	設計でサポート

カスタム名認識を使用すると、企業や業種に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、面接ノートなど、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では、提示候補者名、提示日、採用マネージャ、結合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でサポートされている入力テキスト

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