自然语言处理技术可助力机器学习加快挖掘数据

美国Lux Research研究机构近日发布了题为《人工智能和机器学习改善创新前端》的白皮书。该书指出，自然语言处理（NLP）技术可提升创新效率，但目前尚未得到充分开发利用。

目前，产业界正发力钻研人工智利用数据的高效方法。通过自然语言处理和主题建模可以使技术优化、竞争分析和微弱信号检测等流程得到改善，加快海量文本数据分析，而以上环节均是创新驱动的关键所在。

Lux Research数字产品副总裁凯文·西恩博士认为，有效利用机器学习可快速挖掘数据，从而减少全面分析时间。以前需要花费数周时间，现在可以减少到几天。

自然语言处理技术带来的增速由主题建模实现，主题建模从文本中提取重要概念，同时大量消除了与之相关的人工假设及数据偏差。西恩说：“由于调查人员的知识局限和数据偏差，以前数据挖掘往往不够全面准确，而使用机器学习，上述两种情况都会得到有效改善，几乎可以杜绝人为判断错误和有益技术思路的遗漏。”

使用机器学习来提升创新速度和技术包容性，已日渐成为业界共识。知识建模可使用分类法来定义特定主题下关键创新领域的技术发展趋势。在相似性概念中取一个内容，然后查找其他相关文章、专利或新闻以加快创新进程。在公司层面，主题建模还可用于竞争性产品组合分析；新闻机构或社交媒体操作海量数据搜集分析时，主题建模也可用于弱信号检测。

在定义成熟的人工智能和机器学习策略时，需要加权考虑一些关键技术点，包括是否需要构建新的技术框架，使用哪些数据源及如何定义和解释技术。适应接受这些技术工具的企业文化也很重要，可帮助从业者将自然语言处理视为技能资产而不是竞争对手。 

西恩总结说：“人工智能和机器学习带给决策过程的支撑和信心将使创新加速，但这并不意味着人类的缺席。人们仍然需要定义分析的起点、标注主题并从收集的信息中提取所需数据。毋庸置疑，人与机器之间的协作互动可以产生更好的结果，最终使所有相关方受益。”