Natural Language
Durch maschinelles Lernen Informationen aus unstrukturiertem Text gewinnen
Aufschlussreiche Textanalysen
Natural Language verwendet maschinelles Lernen, um die Struktur und Bedeutung von Texten sichtbar zu machen. Sie können Informationen zu Personen, Orten und Ereignissen extrahieren sowie Stimmungen in sozialen Medien und in Kundengesprächen besser verstehen. Mit Natural Language können Sie Texte analysieren und in Ihren Dokumentenspeicher in Cloud Storage einbinden.
AutoML Natural Language
Mit der AutoML-Technologie können Sie eigene hochwertige ML-Modelle zum Klassifizieren, Extrahieren und Erkennen von Stimmungen mit minimalem Aufwand und geringem einschlägigem Fachwissen trainieren. In der Benutzeroberfläche von AutoML Natural Language haben Sie die Möglichkeit, Ihre Trainingsdaten hochzuladen und anschließend Ihr benutzerdefiniertes Modell zu testen. Dazu müssen Sie keine Zeile Code schreiben.
Natural Language API
Mit den leistungsstarken, vortrainierten Modellen der Natural Language API können Entwickler Natural Language Understanding (NLU) mit Features unter anderem für die Sentimentanalyse, Entitätsanalyse, Sentimentanalyse pro Entität, Inhaltsklassifizierung und Syntaxanalyse ganz einfach in ihre Anwendungen einbinden.
Healthcare Natural Language
Die Healthcare Natural Language API wurde speziell dafür entwickelt, medizinisches Wissen in Textdaten zu finden, zu bewerten und zu verknüpfen. AutoML Entity Extraction for Healthcare bietet Ihnen die Möglichkeit, hochwertige Modelle zur Extraktion benutzerdefinierter Informationen für Anwendungen in den Bereichen Gesundheitswesen und Biowissenschaften zu erstellen. Hier können Sie sich für den Vorabzugriff anmelden.
Natural Language API – Demo
Funktionsweise von AutoML Natural Language
Vorteile
Informationen von Kunden
Verwenden Sie die Entitätsanalyse, um Felder in einem Dokument zu finden und mit Labels zu kennzeichnen – einschließlich E-Mails, Chat und sozialer Medien – und dann die Sentimentanalyse, um Kundenmeinungen zu verstehen und verwertbare Informationen zu Produkt- und Nutzerinteraktionen zu finden.
Multimedia- und mehrsprachige Unterstützung
Kombinieren Sie Natural Language mit unserer Speech-to-Text API, um Informationen aus Audiogesprächen zu gewinnen. Verwenden Sie die optische Zeichenerkennung (Optical Character Recognition, OCR) in unserer Vision API, um gescannte Dokumente zu verstehen. Extrahieren Sie Entitäten und verschaffen Sie sich ein Verständnis von Stimmungen in mehreren Sprachen mit unserer Translation API.
Besonders wichtige Dokumententitäten extrahieren
Verwenden Sie die benutzerdefinierte Entitätsextraktion, um domainspezifische Entitäten in Dokumenten zu identifizieren – von denen viele nicht in Standardsprachenmodellen enthalten sind – ohne dass Sie Zeit oder Geld für die manuelle Analyse aufwenden müssen.
Beleg- und Rechnungsverständnis
Bei der Entitätsextraktion können gängige Einträge in Belegen und Rechnungen (Datumsangaben, Telefonnummern, Unternehmen, Preise usw.) identifiziert werden, um die Zusammenhänge zwischen einer Zahlungsaufforderung und einem Zahlungsnachweis zu verstehen. Es werden sogar Adressen mit Google Maps überprüft.
Beziehungsdiagramme zur Klassifizierung von Inhalten
Klassifizieren Sie Dokumente anhand von häufig vorkommenden Entitäten, domainspezifischen, individuellen Entitäten oder mehr als 700 allgemeinen Kategorien wie Sport und Unterhaltung. Mithilfe der Syntaxanalyse können Sie Beziehungsdiagramme der aus Nachrichten oder Wikipedia-Artikeln extrahierten Entitäten erstellen.
Die besten Deep-Learning-Modelle von Google
Die Natural Language API bietet Ihnen dieselbe Deep-Learning-ML-Technologie, mit der auch die Google-Suche bestimmte Nutzerfragen beantwortet und auf der das Sprachverständnissystem von Google Assistant basiert.
Welches Natural Language-Produkt ist das richtige für Sie?
Sie können mit einem der beiden Produkte arbeiten oder die Vorteile beider Produkte nutzen: Verwenden Sie die Natural Language API, um die Struktur und Bedeutung von Text mithilfe Tausender vortrainierter Klassifizierungen schnell aufzudecken, und ordnen Sie mit AutoML Natural Language Inhalte in benutzerdefinierte Kategorien ein, die Ihren speziellen Anforderungen entsprechen.
| AutoML Natural Language | Natural Language API | |
|---|---|---|
|
Integrierte REST API Natural Language ist über die REST API zugänglich. Texte können in die Anfrage hochgeladen oder in Cloud Storage eingebunden werden. |
 |
|
|
Syntaxanalyse Extrahieren Sie Tokens und Sätze, erkennen Sie Wortarten und erstellen Sie Abhängigkeitsstrukturen für jeden Satz. |
|
|
|
Entitätsanalyse Erkennen Sie Entitäten innerhalb von Dokumenten – einschließlich Belegen, Rechnungen und Verträgen – und versehen Sie sie mit Labels auf Basis des Typs, z. B. Datum, Person, Kontaktinformationen, Organisation, Ort, Ereignisse, Produkte oder Medien. |
|
|
|
Benutzerdefinierte Entitätsextraktion Erkennen Sie Entitäten in Dokumenten und kennzeichnen Sie sie auf Basis eigener fachspezifischer Suchbegriffe oder Ausdrücke mit Labels. |
|
|
|
Sentimentanalyse Identifizieren Sie die in einem Textblock ausgedrückten Meinungen, Gefühle und Haltungen. |
|
|
|
Individuelle Sentimentanalyse Verstehen Sie die in einem Textblock ausgedrückten Meinungen, Gefühle und Haltungen, abgestimmt auf Ihre eigenen domainspezifischen Stimmungspunktzahlen. |
|
|
|
Inhaltsklassifizierung Ordnen Sie Dokumente über 700 vordefinierten Kategorien zu. |
|
|
|
Benutzerdefinierte Inhaltsklassifizierung Erstellen Sie Labels, um Modelle für besondere Anwendungsfälle mithilfe Ihrer eigenen Trainingsdaten anzupassen. |
|
|
|
Mehrsprachigkeit Ermöglicht die mühelose Textanalyse in verschiedenen Sprachen wie Deutsch, Englisch, Französisch, Italienisch, Portugiesisch, Spanisch, Chinesisch (vereinfacht und traditionell), Japanisch, Koreanisch und Russisch. |
|
|
|
Benutzerdefinierte Modelle Trainieren Sie benutzerdefinierte Modelle für maschinelles Lernen mit minimalem Aufwand und geringem einschlägigem Fachwissen. |
|
|
|
Unterstützt durch die AutoML-Modelle von Google Nutzen Sie die hochmoderne AutoML-Technologie von Google zum Erstellen hochwertiger Modelle. |
|
|
|
Räumliche Strukturen Verwenden Sie die Struktur- und Layoutinformationen in PDFs, um die Leistung der benutzerdefinierten Entitätsextraktion zu verbessern. |
|
|
|
Unterstützung für große Datasets Unterstützung für 5.000 Klassifizierungslabels, 1 Million Dokumente und Dokumente bis 10 MB. |
|
Unsere Kunden
Im Rahmen unseres Ziels, den Geschäftsprozess zu beschleunigen, helfen wir unseren Kunden, neue Dokumente in DocuSign hinzuzufügen, um Unterschriften zu erhalten und Informationen zu erfassen. Traditionell würden sie diese Dokumente manuell mit Tags annotieren, um den Nutzern anzuzeigen, wo sie ihre Daten eingeben und wo sie unterschreiben müssen ... Durch die Verwendung der benutzerdefinierten Entitätsextraktion in AutoML Natural Language können wir große Datasets verwenden, um unser Modell zu trainieren und den Prozess kontinuierlich zu verbessern, unabhängig davon, woher das Dokument stammt.
– Kiran Kaza, Head of Mobile Engineering, DocuSign
In der Redaktion sind Präzision und Geschwindigkeit entscheidend, um unsere Leser zu fesseln. Google Cloud Natural Language sucht bei der Inhaltsklassifizierung seinesgleichen. Bei Hearst veröffentlichen wir pro Tag mehrere Tausend Artikel in mehr als 30 Publikationen. Dank Natural Language Processing können wir schnell genaue Informationen darüber erhalten, was veröffentlicht wird und wie es bei unseren Zielgruppen ankommt.
– Naveed Ahmad, Senior Director of Data, Hearst
Das Team von Meredith ist immer auf der Suche nach besseren Methoden zur Verwaltung unserer Inhalte. Wir freuen uns auf die Verwendung von AutoML Natural Language, um unsere benutzerdefinierte universelle Taxonomie auf unsere Inhalte anzuwenden. Mit AutoML Natural Language können wir benutzerdefinierte Modelle erstellen, die unsere spezifischen Anforderungen erfüllen – mit einer höheren Genauigkeit als bei anderen Lösungen, die wir in Betracht gezogen haben.
— Grace Preyapongpisan, Vice President of Business Intelligence, Meredith
(Zu Meredith gehören weltbekannte Marken wie Martha Stewart und Time Magazine)
Die Klassifizierung von Kommentaren und Leitartikeln ist für jedes Data-Science-Team zeitaufwendig und schwierig, aber mit Cloud Natural Language ließen sich Themen zuverlässig und klar identifizieren. Mit diesem Tool habe ich Wochen, wenn nicht sogar Monate, gespart und eine Genauigkeit erreicht, die mit unseren internen Ressourcen wohl nicht möglich gewesen wäre.
– Jonathan Brooks-Bartlett, Data Scientist, News UK
Durch eine Stresscoaching-App für Mitarbeiter haben wir einen unserer Kunden beim Einsatz von individueller Sentimentanalyse in AutoML Natural Language unterstützt. Diese ermöglicht eine Bewertung und Analyse von Stressindikatoren und Gefühlen beim Umgang mit einem Chatbot. Durch diese Technologie konnten wir schnell neue Versionen bereitstellen und eine ansprechende und empathische Nutzererfahrung bieten. Wir werden dieses integrale Produkt aufgrund der schnellen Entwicklung und genauen Vorhersagen bei künftigen Projekten einsetzen, bei denen eine individuelle Stimmungsanalyse erforderlich ist.
– Jason Quek, CTO, Avalon Solutions
Wir entschieden uns für AutoML Natural Language von Google Cloud, da es durch wenige Trainingsbeispiele Überanpassungen reduziert und einfach skaliert werden kann. So können im Laufe der Zeit mehr Dokumenttypen angepasst werden. Wir konnten AutoML Natural Language schnell für eine benutzerdefinierte Klassifizierung bereitstellen und glauben, dass wir die benutzerdefinierte Funktion von AutoML Natural Language auch zur Entitätsextraktion bei bestimmten Anwendungsfällen verwenden können. Diese wären z. B. die Überprüfung von Verträgen und Hypothekendaten.
– Anwar Chaudhry, Director Artificial Intelligence & Machine Learning, Iron Mountain
Preise
| Natural Language-Produkte | Preisübersicht |
|---|---|
| Natural Language API | Dokumentation |
| AutoML Natural Language | Dokumentation |
Ressourcen
Natural Language-Dokumente
Next’ 19: Actionable AI Insights using Translation and Natural Language
Natural Language API – Preise
AutoML Natural Language – Preise
Nächste Schritte
AutoML Natural Language
Erstellen Sie ein benutzerdefiniertes Modell für maschinelles Lernen, um Inhalte in domainspezifische Kategorien einzuordnen.
Natural Language API
Erstellen Sie ein vortrainiertes ML-Modell, um die Struktur und Bedeutung von Text zu ermitteln.
Die auf dieser Seite erwähnten Produkte und Funktionen befinden sich in der Betaphase. Weitere Informationen zu unseren Markteinführungsphasen finden Sie hier.
Cloud AI-Produkte entsprechen den hier aufgeführten SLA-Richtlinien. Sie bieten eventuell von anderen Google Cloud-Diensten abweichende Latenz- oder Verfügbarkeitsgarantien.