Natural Language

Google の機械学習を使用して非構造化テキストから分析情報を引き出す。

示唆が得られるテキスト分析

Natural Language は、機械学習を使用してテキストの構造や意味を明らかにします。これにより、人、場所、イベントに関する情報を抽出し、ソーシャルメディアに表れる感情やお客様との会話について理解を深めることができます。また、テキストを分析して Cloud Storage のドキュメントストレージと統合することも可能です。

AutoML Natural Language

AutoML テクノロジーを利用して最小限の労力と機械学習の専門知識で高品質な独自のカスタム機械学習モデルをトレーニングすることにより、感情の分類、抽出、検出ができます。AutoML Natural Language UI を使用すると、コードを 1 行も書かずにトレーニングデータをアップロードしてカスタムモデルをテストできます。

Natural Language API

Natural Language API の強力な事前トレーニング済みモデルは、デベロッパーがアプリケーションに自然言語理解（NLU）を簡単に適用し、感情分析、エンティティ分析、エンティティ感情分析、コンテンツ分類、構文解析などの機能を利用できるよう支援します。

Healthcare Natural Language AI

構造化されていない医療文書に保存された知見をリアルタイムで分析します。Healthcare Natural Language API を使用すると、医療文書から機械で読み取り可能な医学的知見を抽出できます。一方、AutoML Entity Extraction for Healthcare は、医療とライフサイエンスアプリ向けのカスタム知識抽出モデルを、コーディングスキルなしで簡単に構築することを可能にします。詳細

Natural Language API のデモ

AutoML Natural Language の仕組み

利点

お客様から有用な情報を得る

エンティティ分析を使用し、ドキュメント（メール、チャット、ソーシャルメディアなど）の中でフィールドを検索してラベルを付けます。次に、感情分析を使用してお客様の意見を把握し、プロダクトとユーザーエクスペリエンスに関する実用的な情報を得ることができます。

マルチメディアと多言語のサポート

Natural Language と Speech-to-Text API を組み合わせて、会話の音声から分析情報を抽出できます。Vision API の光学式文字認識（OCR）と併用すると、スキャンしたドキュメントを理解できます。複数の言語でエンティティを抽出し、そこに含まれる感情を読み取ります。

重要な主要ドキュメントエンティティの抽出

カスタムエンティティ抽出を使用して、手動分析に時間やコストをかけずにドキュメント内で分野固有のエンティティを識別できます。こうしたエンティティの多くは標準的な言語モデルでは表面化しません。

領収書と請求書の把握

エンティティ抽出により、領収書と請求書に共通のエントリ（日付、電話番号、会社、金額など）を識別して、請求と支払証明の関係を把握できます。さらに、Google マップで住所を確認することもできます。

コンテンツの分類と関係グラフ

共通のエンティティ、分野固有のカスタマイズされたエンティティ、700 以上の一般カテゴリ（スポーツやエンターテイメントなど）でドキュメントを分類できます。構文解析を利用すると、ニュースやウィキペディアの記事から抽出したエンティティの関係グラフを作成できます。

Google のディープラーニングモデル

Natural Language API で利用できる深層機械学習技術は、ユーザーの特定の質問に対して適切な回答を返す Google 検索や、Google アシスタントを支える言語理解システムでも使用されています。

最適な Natural Language プロダクトを選ぶ

Natural Language API と AutoML Natural Language のいずれかを使用して処理することも、両方を使用してそのメリットを得ることもできます。Natural Language API は事前トレーニングされた何千もの分類を使用し、テキストの構造と意味をすばやく明らかにでき、AutoML Natural Language は特定のニーズに合わせてコンテンツをカスタムカテゴリに分類できます。

	AutoML Natural Language	Natural Language API
統合された REST API Natural Language は REST API でアクセス可能です。テキストは、リクエストに含めてアップロードすることも、Cloud Storage と統合することもできます。
構文解析トークンと文の抽出、品詞の特定、各文の係り受け解析ツリーの作成が可能です。
エンティティ分析ドキュメント（領収書、請求書、契約書など）の中のエンティティを識別し、ラベル付け（日付、人、連絡先情報、組織、場所、イベント、商品、メディアなど）できます。
カスタムエンティティの抽出ドキュメント内のエンティティを識別し、分野固有のキーワードやフレーズに基づいてラベル付けできます。
感情分析テキストのブロック内で示されている全体的な意見、感想、態度の感情を読み取ることができます。
カスタム感情分析分野固有の感情スコアに合わせて、テキストのブロック内で示されている全体的な意見、感想、態度を読み取ることができます。
コンテンツの分類事前定義された 700 以上のカテゴリでドキュメントを分類できます。
カスタムコンテンツの分類ラベルを作成すると、独自のトレーニングデータを使用して、個別のユースケースに対応したモデルをカスタマイズできます。
多言語さまざまな言語のテキストを簡単に分析できます。英語、スペイン語、日本語、中国語（簡体字、繁体字）、フランス語、ドイツ語、イタリア語、韓国語、ポルトガル語、ロシア語に対応しています。
カスタムモデル最小限の労力と機械学習の専門知識で、カスタム機械学習モデルをトレーニングできます。
Google の AutoML モデルを利用 Google の最先端 AutoML テクノロジーを活用して、高品質モデルを生成します。
空間構造の理解 PDF の構造およびレイアウト情報を使用して、カスタムエンティティ抽出パフォーマンスを改善できます。
大規模データセットのサポート 5,000 の分類ラベル、100 万のドキュメント、10 MB のドキュメントサイズをサポートし、複雑なユースケースに対応できます。

導入事例

当社はビジネスプロセスの加速という目標の一環として、お客様が新しいドキュメントを DocuSign に追加することで署名取得や情報収集がしやすくなるように取り組んでいます。従来は、こうしたドキュメントに手動で「タグ」を付け、入力や署名の場所をユーザーに示していました。AutoML Natural Language 内でカスタムエンティティ抽出を使用すると、ドキュメントの出所に関係なく大規模なデータセットでモデルをトレーニングし、プロセスを継続的に改善できます。
- DocuSign 社モバイルエンジニアリング担当責任者、Kiran Kaza 氏

ニュースルームでは、読者の関心を引くために、精度とスピードが欠かせません。コンテンツ分類の精度について Google Cloud Natural Language に並ぶものはほかにありません。Hearst では、30 以上のメディアに数千もの記事を毎日公開しています。自然言語処理のおかげで、どのような内容を公開しているか、また読者からどのような反響があるか、瞬時に分析情報を得ることができます。
- Hearst 社データ担当シニアディレクター、Naveed Ahmad 氏

導入事例を見る

Meredith の社内チームはコンテンツを管理するためのより良い方法を常に模索しています。AutoML Natural Language を使用し、ユニバーサルなカスタム分類法を自社コンテンツに適用したいと考えています。AutoML Natural Language を使用することにより、検討していた他のソリューションよりも高い精度で、特定のニーズを満たすカスタムモデルを作成できます。
- Meredith 社ビジネスインテリジェンス担当バイスプレジデント、Grace Preyapongpisan 氏
（Martha Stewart や Time Magazine などの世界的に有名なブランド）

導入事例を見る

Natural Language API の自然言語理解によって、より迅速にサービスを提供できることがわかりました。当社が当初開発したカスタムモデルの代わりとなりうる技術です。
- Ocado 社データ担当責任者、Dan Nelson 氏

導入事例を見る

データサイエンスチームにとって、意見記事や社説を分類することは時間のかかる難しい作業です。Cloud Natural Language は、こうした記事のトピックを高い信頼度で瞬時かつ明確に識別できます。社内のリソースではおそらく成しえなかった精度でこの作業をこなしてくれるので、月単位とまではいかずとも、週単位で時間を節約できるようになりました。
- News UK 社データサイエンティスト、Jonathan Brooks-Bartlett 氏

当社は、従業員向けストレスコーチングアプリを介して、クライアントが AutoML Natural Language のカスタム感情分析を使用して、chatbot 利用時のストレスインジケーターと感情を評価および分析できるようにしました。この技術により、迅速なイテレーションが可能となり、お客様に寄り添った魅力ある使用感を実現できました。この統合製品は、その優れた開発スピードと予測精度から、カスタム感情分析を必要とする今後のプロジェクトで使用されることになるでしょう。
- Avalon Solutions 社 CTO、Jason Quek 氏

当社が Google Cloud の AutoML Natural Language を使用することに決めたのは、少ないトレーニングサンプルで過学習を抑えられ、また今後のドキュメントタイプの増加に合わせて簡単にスケールできるためです。カスタム分類を行うための AutoML Natural Language を迅速にデプロイできました。今後は AutoML Natural Language のカスタムエンティティ抽出機能を活用して、契約の審査や住宅ローンデータの確認などの個別のユースケースにも役立てたいと考えています。
- Iron Mountain 社人工知能および機械学習担当ディレクター、Anwar Chaudhry 氏