自然语言处理——电子商务的未来——解释

'跨行业的公司使用 NLP 等深度学习技术来提取隐藏的洞察力只是时间问题并将其与他们特定的业务经验和专业知识相结合，以创新和区分自己。

自然语言处理背后的技术是什么？

简而言之，NLP，即自然语言处理，是一种允许计算机理解和处理现实世界数据的技术。

它始于 1950 年代，艾伦·图灵 (Alan Turing) 的论文《计算机机械与智能》(Computer Machinery and Intelligence) 提出：机器能思考吗？他的意思是：机器可以像人类一样思考，那么机器可以从人类现实中理解事实和数据吗？

NLP 是一种人工智能形式，它使用计算语言学等多个学科来尝试对非结构化的人类交流进行结构化的理解。从某种意义上说，它将人类的文字（语音和文本）转换为二进制代码。

七十年前，打孔卡是人类与计算机交流的唯一方式。今天，计算机可以“理解”许多人类语言，执行口头或书面命令，从中推断出见解并将其应用于未来。例如，如果你在网上看过一次红色套头衫，电脑就会知道你喜欢红色套头衫，并会显示它所知道的所有与“红色”+“套头衫”相对应的项目。

NLP 的工作原理是分析人类语言的无穷小部分——什么是“人类交流的原子”。这些可能是您的产品目录中的单词、短语或描述。然后，它会将这些“原子”与自己的单词和录音数据库进行比较，然后使用语义分析对其进行分类和提取意义——实际上是理解它们。

这意味着它可以建立人类可能无法建立的联系。如今，凭借廉价的海量处理能力，它可以根据个人偏好做出的推断令人惊讶。

为什么现在要上市了？

NLP 已经发展了很多很多年。然而，更广泛的市场现在才注意到，因为（1）它和其他人工智能技术的实际应用正在被企业更好地理解，以及（2）我们终于拥有了广泛的计算能力来实际做一些事情.像我们这样的公司已经能够利用其垂直行业知识来超越通用模型并创建以体验为中心的算法来推动实际结果，例如增加转化率或收入，这也没有什么坏处。

直到最近，学术界或政府以外的组织很少有计算能力来实际运行深度学习算法，以理解文本并从文本中提取相关性。随着最近的进步，我们不仅可以快速消费并从大量文本数据中提取意义，而且我们现在还拥有实时技术（随着 Flink 和 Kafka 等技术的出现）将其与用户行为一起处理，提取必要的洞察力，并以适当的行动或决定实时响应。

正如 Gartner 指出的那样，文本数据的出现引发了人们对一系列潜在的高级 AI 应用的广泛兴趣。 NLP 在客户体验领域的应用，例如从短信和聊天中提取情感，为更广泛的行业采用和实际应用铺平了道路。

在体验个性化领域，我们才刚刚开始探索可能性，并且对我们使用 NLP 所看到的结果感到兴奋，例如，从产品目录描述、评论、属性和其他文本中提取见解并获得更深入地了解我们客户的产品以及它们之间的关系——低过敏性、100% 纯棉等。

跨行业的公司将使用 NLP 等深度学习技术来提取隐藏的见解并将其与他们的特定业务经验和专业知识相结合以进行创新和差异化只是时间问题。

组织应该应用 NLP 吗？能否提供一些实用的企业案例研究/示例？

我们清楚地看到它是如何运作的一个部门是零售，我们的许多客户都属于该部门。产品周转量大或季节性推出全新目录的快时尚和零售商尤其可以从 NLP 的使用中受益。

传统上，当您拥有每个产品的大量行为数据时，个性化效果最佳。但是，如果您的目录中有很大一部分是新的或小众的，并且没有任何数据可做，您会怎么做？直到最近，最好的办法还是提供“畅销书”推荐作为补充。

使用 NLP，我们实际上可以获取文本数据——例如产品描述、样式和合身说明、评级和评论等——提取关于该产品和其他相关产品的见解，然后使用更深入的理解立即提供建议并提供对新产品或长尾产品的补充。

对于定期推出或快速循环浏览新款式或季节性目录的零售商/品牌来说，这是一种改变游戏规则的方式，使购物者可以从一开始就通过交叉销售提供个性化的产品并让他们接触相关产品。

NLP 的下一步是什么？

随着品牌和零售商继续采用 NLP，用例将继续发展。我们接下来看到的是扩展 NLP 的应用，包括旅程预测、基于语音的扩展、用于搜索的分面等等。具有深度学习的 NLP 是电子商务购物的未来。

答案由 RichRelevance 生态系统副总裁 Raj Badarinath 提供