Natural Language Processing (NLP)

Nutzen Sie Natural Language Processing (NLP), um einen Mehrwert aus Ihren textuellen Daten zu gewinnen und so schneller an die wichtigen Informationen zu gelangen!

Die wenigsten Unternehmensdaten sind in Form von aufbereiteten Tabellen vorhanden, die sich einfach auslesen lassen. Wesentlich häufiger sammeln sich Informationen in Texten wieder – teils auch in anderen Sprachen –, sodass sie nicht schnell erfasst werden können. Wir verstehen Natural Language Processing als Methodenbausatz, der es uns ermöglicht, intelligente automatisierte Lösungen für text- und sprachbasierte Probleme zu entwickeln. NLP beginnt bei scheinbar einfachen Aufgaben, wie der Vorhersage eines Wortes in einem Lückentext, und endet bei komplexen Herausforderungen, wie maschineller Übersetzung oder automatischer Zusammenfassung von Texten.

Sie wollen herausfinden, ob NLP auch für Ihre Probleme eine Lösung bereithält? Dann werfen Sie einen Blick auf die folgenden Szenarien.

Informationsextraktion

Die Ablage und Verarbeitung von strukturierten Daten gehört für viele Unternehmen heute zum Alltagsgeschäft. Mittels automatisierter Informationsextraktion sind Sie in der Lage, Informationen aus relevanten Dokumenten in Ihre Datenbank oder Enterprise-Search-Lösung zu integrieren. Diese Extraktion ermöglicht Ihnen einen direkten Zugriff auf wesentliche Details Ihrer Verträge, Bestellungen, Rechnungen und Spezifikationen. Darüber hinaus vereinfachen Sie das Monitoring Ihrer Dokumente, bspw. durch Anomalie-Detektion.

Automatische Textzusammenfassung

Im Bereich der automatischen Zusammenfassung trägt Natural Language Processing dazu bei,  umfangreiche Dokumente auf ihre Kernaussagen zu reduzieren. Wenn Sie also vor der Herausforderung stehen, verschiedene Standpunkte und Aussagen aus unterschiedlichen Quellen zusammenbringen zu müssen, so ermöglicht Ihnen NLP diese Inhalte automatisiert zu extrahieren. Dadurch können Sie Ihre Entscheidungen auf Basis von konzentrierten und verständlichen Informationen treffen.Die Anwendungsfälle dabei sind vielfältig. Für Entscheidungen, die im Zusammenhang mit öffentlichkeitswirksamen Ereignissen stehen, kann die Zusammenfassung von aktuellen Nachrichtenmeldungen von erheblicher Relevanz sein. In der Unternehmensführung können wiederum  detaillierte Berichte und Erläuterungen ohne menschliches Eingreifen in eine kurze und Management-taugliche Form gebracht werden.

Automatische Zusammenfassung mit Hilfe von tiefen Neuronalen Netzen ist ein aktuelles Forschungsthema bei inovex. Unsere Erfahrungen umfassen die Zusammenfassung von deutschen und englischen Texten auf akademischen Datensätzen sowie auf Kundendaten. In unserem Blog beschreiben wir beispielsweise die Herausforderungen der Zusammenfassung langer Texte mit Sequence-to-Sequence-Modellen.

Text- und Dokumentklassifikation

Nutzen Sie Klassifizierungsmodelle, um Ihre Textdaten zu organisieren und zu strukturieren. Diese Modelle lernen, Dokumente aufgrund ihres Inhalts und ihrer Struktur in vordefinierte Kategorien zu unterteilen.

Enthält eine Mail wichtige Informationen oder ist sie Spam? Handelt es sich bei einem Dokument um einen Vertrag oder eine Rechnung? Ordnen Sie Intranet- und Blogbeiträge einem Thema zu. Werten Sie Nutzer-Reviews auf gängigen Bewertungsplattformen aus. Nutzen Sie Sentiment Analysis um Stimmungsbilder gegenüber Ihren Produkten oder Ihrer Marke durch die Analyse von Erwähnungen in Sozialen Netzwerken zu entdecken. NLP bietet Ihnen außerdem die Möglichkeit, mittels Intent Detection Feedback direkt in Aktionen umzusetzen („Antwort an Kunde“, „Kosten erstatten“, …).

Exploration & Visualisierung

Während anschauliche Visualisierungen auf Grundlage von strukturierten Daten mehr oder weniger selbstverständlich sind, so erscheinen sie im Bereich von Text und Dokumenten (unstrukturierte Daten) nicht ganz so intuitiv. Mittels Wissenslandkarten können Sie Ihre Dokumentensammlung auch visuell explorierbar machen. Auf Grundlage Ihrer Daten können verschiedene Facetten (existierende Klassen, vorherrschende Worte und Phrasen, Ähnlichkeit von Dokumenten) miteinander kombiniert werden und Sie in Ihrem Entscheidungsprozess unterstützen. Wir haben eine solche visuelle Exploration auf einer Patentsammlung umgesetzt.

Cognitive Search

Wir verstehen Cognitive Search als nächsten Evolutionsschritt im Bereich Search. Diese neue Generation intelligenter Suchanwendung zieht ihre Stärke aus der erfolgreichen Kombination herkömmlicher Search-Technologien mit Natural Language Processing und Recommender-Systemen. Während der Einsatz von Recommender-Systemen die nutzerspezifische Komponente der Suche auf ein neues Level hebt, hilft NLP die Qualität der Suche zu verbessern. NLP verbessert das Kontextverständnis auf unstrukturierten Daten und ermöglicht eine Verbesserung der Suchanfrage an sich (Query-Expansion, NER, Topic Identification).

Werfen Sie einen Blick auf unsere Erfahrungen zu Cognitive Search im Rahmen der Zusammenarbeit mit mobile.de, einem Online-Marktplatz für den An- und Verkauf von Fahrzeugen.

Unser Angebot an Sie

Konnten Sie Ihr unternehmensspezifisches NLP-Problem in einem der Szenarien wiedererkennen? Dann kontaktieren Sie uns gerne! Unser Angebot im Bereich Artificial Intelligence ist breit gefächert und reicht von der Implementierung eines Proof of Concepts bis hin zur Entwicklung von Produktionssystemen.

Sollten Sie noch unentschlossen sein und weitere Inspiration benötigen, so stehen wir Ihnen gerne mit Beratungs- und Schulungsleistungen zur Seite. 

Wie können wir Sie unterstützen?

Nehmen Sie mit uns Kontakt auf – einfach per Telefon oder E-Mail.

Wir freuen uns auf Ihre Nachricht!


Weitere Themen:

Stefan Igel

Ich freue mich auf Ihre Nachricht!

Stefan Igel

Führungsteam Data Management & Analytics

inovex Blog

Sebastian Blank

SeqPolicyNet: Querying Elasticsearch by Asking Questions about Movies

tl;dr (spoiler alert): We’ve trained an advanced neural network to query Elasticsearch based on natural language questions. Our model, called SeqPolicyNet, incorporates feedback from the retrieved database response by leveraging policy-based reinforcement learning. Hence, we overcome the non-differentiability of database operations and maintain the end-to-end trainability of our model. In our experiments SeqPolicyNet outperforms Memory Networks on Facebook’s bAbI Movie Dialog dataset and generalizes on unknown question patterns. [...]

Blog-Artikel lesen

inovex Blog

Sebastian Blank

Deep Learning Fundamentals

There has always been a gap between the capabilities of men and machine. While computers were able to perform complex multiplications or store large amounts of data, humans beat them on rather intuitive tasks like natural language or perception. [...]

Blog-Artikel lesen

inovex Blog

Yavuz Arslan

MLaaS: Maschinelles Lernen in der Cloud

Cloud Computing gewinnt durch sein flexibles Bereitstellungsmodell immer größere Bedeutung. Von Software (SaaS),Plattformen (PaaS) bis hin zur IT-Infrastruktur (IaaS) wird ein weites Spektrum an Diensten angeboten, die Unternehmen in der immer schneller werdenden Digitaler Transformation unterstützen sollen. Eine neue Sparte bildet Machine learning as a service (MLaaS), welches Unternehmen eine einfache Möglichkeit bietet Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der größten Cloud Anbieter vorgestellt: Google Cloud Platform (GCP), Amazon Web Services (AWS), Microsoft Azure und IBM Cloud/Watson. [...]

Blog-Artikel lesen

inovex Blog

F. Wilhelm

Data Science in Production: Packaging, Versioning and Continuous Integration

Blog-Artikel lesen

inovex Publikationen

IAAI 2019

Querying NoSQL with Deep Learning to Answer Natural Language Questions

Der Vortrag, der auf der IAAI – Conference on Innovative Applications of Artificial Intelligence gehalten wurde, basiert auf den Erkenntnissen aus der Masterarbeit von Sebastian Blank und befasst sich mit dem Einsatz von Deep Learning zur Beantwortung von Fragen in natürlicher Sprache unter Einbeziehung von externem Wissen.

Zum Paper

inovex Case Study

Entwicklung einer Big-Data- und Data-Science-Lösung für ProSiebenSat.1

Welchen messbaren Einfluss hat TV-Werbung auf das Online-Verhalten? inovex und ProSiebenSat.1 beantworten diese Frage objektiv mit Big-Data-Technologien und gaben mit einem Vortrag beim BITKOM Big Data Summit 2015 spannende Einblicke in das Projekt.

Mehr lesen

inovex Blog

M. Kurovski

From Exploration to Production—Bridging the Deployment Gap for Deep Learning

Blog-Artikel lesen

inovex Leistungen

Artificial Intelligence

Robotics

Wir arbeiten an menschenähnlichen Robotics-Lösungen wie Pepper oder Nao, die in der Lage sind, mit Menschen zu interagieren und beispielsweise im Handel Anwendung finden.

Mehr erfahren