NLP自然語言學習技術
計算機學習并理解文字、圖像、語言的含義
自我學習、自我總結規律，形成算法模型
算法模型還可以被RPA調用，實現文檔自動識別
NLP的原子處理技術
NLP豐富實用的算法模型和服務貼合各類業務場景
信息抽取
抽取文本中具有特定意義的實體，
例如銀行名稱、銀行賬號、持有人名稱、
合同甲乙方、交易金額等。
多語言分詞
將整段切分成具有語義合理性和
完整性的詞匯序列，目前支持簡
體中文、英文、泰文及越南語。
詞性分析
為每一個詞附上對應的詞性，并對
特定的事物名稱或符號進行標識，
用于新詞發現、歧義消除等。
詞向量
將詞表中的詞映射到高維向量模
型中并以數值表示，從而實現語
義相似度計算、語義理解等。
依存句法分析
通過分析句子中詞與詞之間的依存關
系，從而捕捉到詞語的句法結構信息
(如主謂、動賓、定中等結構關系)。
文本相似度
計算不同文本之間的相似度，輸出
一個介于0到1之間的分數，分數越
大則文本之間的相似度越高。
NLP提供更多應用技術
識別糾錯
根據文本、搜索內容、語音中出現的
拼寫錯別字及段落位置信息，并針對
性給出正確的建議文本內容。
情感方向分析
對包含主觀描述的文本、語音、視頻
進行情感傾向性判斷，適用于口碑分/
析、話題監控、輿情分析、影評分析等 。
智能標簽分類
對文章、視頻、語音按照內容類型進行
自動分類，首批支持娛樂、體育、科技、
政治等主流內容類型、應用于個性化推薦、
內容管理、歸類等。
中心觀點抽取
通過給每個詞計算一個相關性分數來衡量
每個詞與句子的相關性程度，進而識別并
提取出句子的中心詞 ，應用于評論歸類、
商品搜索、新聞摘要等。
機器翻譯、問答
基于海量的數據及算法模型，實現機器
對文本、語音、視頻的的關鍵信息的
識別和理解，應用于大小型會議記錄、
司法庭審、搜索、實時溝通、風控等領域量。
地址標準化
依托海量的地址語料庫，實現高準確率
的地址標準化能力，提取文本、語音、
視頻中地址、姓名、電話號碼、行政
區域、郵政編碼信息并實現糾錯。
NLP的產品優勢
NLP應用于非結構化的文檔、語音、視頻的識別，模擬人理解語義并分析算法達到判斷識別語句含義。
易用
適用流程簡單
無需工程與算法背景
快捷
全鏈路優化
平均訓練模型耗時<30分鐘
專業
專業技術沉淀
500+標注數據時，準確率預計85%+
核心功能應用場景
自定義文本內容抽取
通過建立文本標簽與特定內容的對應關系，自動建立算法，識別文檔內容并結構化輸出。 配合OCR及RPA技術，實現文檔內容的自動提取，應用于銀行、保險、電信、政務、法務、 財務、醫療、人力資源、供應鏈等行業。 廣泛應用于合同、票據、支付信息、申請表、 判決書、報銷單、藥品單、簡歷、發貨單/訂單等。
適用行業
自定義圖像內容抽取
配合OCR技術，通過建立圖像標簽與特定內容的對應關系，自動建立算法， 識別圖像內容并結構化輸出。配合RPA技術，實現圖像內容的自動提取， 應用于廣告、制造業、供應鏈、零售、電商等行業。 廣泛應用于廣告 圖像、成分列表、產品列表、宣傳頁、網頁廣告等。
適用行業
自定義內容分類
通過自建分類體系，識別文本或圖像內容，自動建立算法實現內容歸類。 配合RPA技術，實現網站、聊天內容、社區、輿情自動監控，應用于廣告、軟件、互聯網、零售、電商等行業。 支持自定義分類體系: 范例一：廣告信息、色情信息、暴恐違禁、政治敏感、惡意推廣、低俗辱罵等。 范例二：科技、娛樂、財經、體育、游戲等； 范例三：物流、尺碼、材質、回復速度、客服態度等
適用行業
通過自建評價維度體系，識別回復或評論內容，理解并分析語義適配維度， 實現網站、聊天內容、社區、輿情自動監控，應用于互聯網、電商等行業。
適用行業
