Der Weg zum intelligenten Assistenten Machine Learning, Künstliche Intelligenz und Kognitive Suche

Transkript

1 Der Weg zum intelligenten Assistenten Machine Learning, Künstliche Intelligenz und Kognitive Suche Photo by Bence Boros on Unsplash

2 AGENDA Über uns Begrifflichkeiten: Machine Learning, KI & Cognitive Search Anwendungsfälle: Was ist der Mehrwert für Unternehmen? Show Case: Das DPMA & Cognitive Search Pixabay 2

3 Über uns 30+ Mitarbeiter 500+ Installationen 24+ Jahre Erfahrung 3 M+ Umsatz 19+ Partner Installation Partner Outside EU DIN EN ISO 9001:2015 3

4 interface projects GmbH 2017 AUSGEWÄHLTE REFERENZEN

5 IHR REFERENT Enterprise Search Wissensmanagement Machine Learning & Cognitive Search Eduard Daoud Geschäftsführer interface projects GmbH 5

6 BEGRIFFLICHKEITEN Machine Learning, KI & Cognitive Search Photo by Ilija Boshkov on Unsplash 6

7 BEGRIFFFLICHKEITEN Künstliche Intelligenz Machine Learning Cognitive Search Teilgebiet der Informatik Imitation menschlichen Verhaltens Methode der KI Anlernen anhand von Beispielen Eigenständige Mustererkennung Anwendungsfall des ML Informationsgewinnung von Suchergebnissen Quelle: Dr. Uwe Crenze- DoK. Mag. Heft Deep Learning der Generalschlüssel für Dokumentanalysen? 7

8 MACHINE LEARNING IM PROZESS Indexierung Datenquellen Auswahl der Trainingsdaten Trainieren eine Modells Selbständiges Erkennen 8

9 EIN BEISPIEL: ERGEBNIS DES LERNPROZESSES Semantische Zusammenhänge werden aus den Trainingsdaten automatisch ermittelt Beispiel: Ergebnisvektor für eine Suche nach Schuhe AND Kufen 9

10 WELCHE SUCHPROBLEME GIBT ES? Recall Problem: Mehrere Wörter haben die selbe Bedeutung (z.b. Synonyme, unterschiedliche Schreibweisen) Precision Problem: Ein eingegebenes Suchwort hat mehrere Bedeutungen (Homonyme, Polyseme) Photo by Jean-Philippe Delberghe on Unsplash 10

11 MÖGLICHE LÖSUNG: WORD EMBEDDING'S/WORD CO-OCCURRENCE Durch die Verwendung von word co-occurrence im Text kann ein assoziatives Netzwerk durch schnelles automatisiertes, unbeaufsichtigtes maschinelles Lernen geschaffen werden. Wo jedes Wort in Zahlen (Vektor) umgewandelt werden kann, wodurch ein n-dimensionaler Vektorraum entsteht. HTTP DB, CRM, ERP, SP Dateiserver Große Datenmengen Duhaime, D. (2015) Unsupervised machine learning e.g. Neural Network word2vec assoziatives Netzwerk 11

12 MÖGLICHE LÖSUNG: WORD EMBEDDING'S/WORD CO-OCCURRENCE Durch die Verwendung von word co-occurrence im Text kann ein assoziatives Netzwerk durch schnelles automatisiertes, unbeaufsichtigtes maschinelles Lernen geschaffen werden. Wo jedes Wort in Zahlen (Vektor) umgewandelt werden kann, wodurch ein n-dimensionaler Vektorraum entsteht. HTTP DB, CRM, ERP, SP Dateiserver Große Datenmengen Duhaime, D. (2015) Unsupervised machine learning e.g. Neural Network word2vec assoziatives Netzwerk GUI Quelle der Animation: Robert Gordon University of Aberdeen. 12

13 ANWENDUNGSFÄLLE Was ist der Mehrwert für Unternehmen? Photo by Irawpixel on Unsplash 13

14 ANWENDUNGSFÄLLE Klassifikation von Inhalten Automatische Verschlagwortung Sprachunabhängige Suche Suche nach ähnlichen Inhalten (Fach- und Fremdsprache) 14

15 ANWENDUNGSFÄLLE Tech. Component Use Case Market Segment Text Classification Electronic Mailbox Financial Services Image Recognition Image to Text Advertising-, design- and digital Text to Image media agencies Image to Image Travel and Hospitality Manufacturing Concept Search Data Research Judiciary Research/ Education Healthcare and Life Science Pharma Face Detection Image Search (person) Public Security Sector advertising-, design- and digital media agencies KeyWording/Keyword abstracting Topic Detection Recommendation Services DMS / ECM Vendor Online Services 15

16 SHOW CASE Das DPMA & Cognitive Search Photo by Ilija Boshkov on Unsplash 16

17 DEUTSCHES PATENT- UND MARKENAMT Deutsches Patent- und Markenamt als zentrale Stelle für die Erteilung von Patenten in Deutschland Intensive Prüfung auf Redundanzen oder Ähnlichkeiten zu bereits bestehenden Anmeldungen Aufgabe Lösung, die eingereichte Patente automatisch erfasst und klassifiziert Begriffe müssen semantisch kategorisiert und Synonyme erkannt werden Einbeziehung fremdsprachiger Patente in die Recherche 17

18 LIVE DEMO intergator live erleben Photo by Beatriz Pérez Moya on Unsplash 18

19 WAS IST DER MEHRWERT FÜR DEN ANWENDER? KERNAUSSAGEN! Die Anforderung an die Suchkompetenz des Nutzers sinkt Erkennung von Zusammenhängen auch ohne explizite Suche Steigerung der Nutzung durch die Endanwender Größere Zeitersparnis beim Auffinden von Inhalten und kaum Aufwand bei der Metadatenpflege Eine Cognitive Search ist eine sinnvolle Ergänzung für den Digitalen Arbeitsplatz, um Anwendungen zu integrieren und dem Nutzer eine alternativen Zugriff auf Inhalte zu ermöglichen Eine Cognitive Search steigert die Qualität der Suchergebnisse und fördert damit die Akzeptanz und Effizienz des Benutzers Out-of-the-box mit vortrainiertem Modell Machine Learning Training über den gesamten Datenbestand Training mit ausgewählten Daten für jede Klasse 19

20 VIELEN DANK! SAVE THE DATE! 20