Explicación del procesamiento del lenguaje natural:el futuro del comercio electrónico

'Es solo cuestión de tiempo antes de que las empresas de la industria utilicen tecnologías de aprendizaje profundo como NLP para extraer información oculta y combinándolo con su experiencia y conocimientos empresariales específicos para innovar y diferenciarse.'

¿Cuál es la tecnología detrás del procesamiento del lenguaje natural?

En pocas palabras, NLP, o procesamiento de lenguaje natural, es la tecnología que permite que las computadoras entiendan y procesen los datos del mundo real.

Comienza en la década de 1950, con el artículo de Alan Turing “Computer Machinery and Intelligence”, donde preguntaba:¿Pueden pensar las máquinas? Lo que quiso decir es:¿Pueden las máquinas pensar como humanos, por lo tanto, pueden las máquinas comprender hechos y datos de la realidad humana?

La PNL es una forma de inteligencia artificial que utiliza varias disciplinas, como la lingüística computacional, para tratar de dar sentido estructurado a la comunicación humana no estructurada. En cierto sentido, convierte palabras humanas (habla y texto) en código binario.

Hace setenta años, las tarjetas perforadas eran la única forma en que los humanos se comunicaban con una computadora. Hoy en día, las computadoras pueden "entender" muchos lenguajes humanos, ejecutar órdenes habladas o escritas, inferir ideas a partir de ellas y aplicarlas al futuro. Por ejemplo, si hubiera visto un jersey rojo en línea una vez, la computadora entendería que le gustan los jerseys rojos y le mostraría todos los elementos que conoce correspondientes a "rojo" + "jumper".

La PNL funciona analizando componentes infinitesimales del lenguaje humano, lo que serían los "átomos de la comunicación humana". Estas pueden ser palabras, frases o descripciones de su catálogo de productos. Estos "átomos" luego los compara con su propia base de datos de palabras y grabaciones, que categoriza y extrae significado de ellos usando análisis semántico, en efecto, entendiéndolos.

Esto significa que puede hacer conexiones que los humanos no pueden. Hoy en día, con una potencia de procesamiento masiva disponible a bajo precio, las inferencias que puede hacer sobre las preferencias de las personas son asombrosas.

¿Por qué llega al mercado ahora?

La PNL ha estado en desarrollo durante muchos, muchos años. Sin embargo, el mercado en general solo se está dando cuenta ahora porque (1) las aplicaciones del mundo real y otras tecnologías de inteligencia artificial están siendo mejor comprendidas por las empresas, y (2) finalmente tenemos el amplio poder computacional para hacer algo con él. . Tampoco está de más que empresas como la nuestra hayan podido utilizar su conocimiento de la industria vertical, por ejemplo, para ir más allá de los modelos genéricos y crear algoritmos centrados en la experiencia que generan resultados reales, como mayores conversiones o ingresos.

Hasta hace poco, muy pocas organizaciones fuera de la academia o del gobierno tenían el poder de cómputo para ejecutar los algoritmos de aprendizaje profundo necesarios para comprender y extraer correlaciones del texto. Con los avances recientes, no solo podemos consumir rápidamente y obtener significado de grandes cantidades de datos textuales, sino que ahora también tenemos la tecnología en tiempo real (con el advenimiento de tecnologías como Flink y Kafka) para procesarlos junto con el comportamiento del usuario, extraer el conocimientos necesarios y responder en tiempo real con la acción o decisión adecuada.

Como señala Gartner, la llegada de los datos de texto está despertando un gran interés en una variedad de posibles aplicaciones avanzadas de IA. El uso de NLP en el campo de la experiencia del cliente, por ejemplo, para extraer sentimientos de mensajes de texto y chat, ha allanado el camino para una adopción industrial más amplia y aplicaciones prácticas.

En el campo de la personalización de la experiencia, recién estamos comenzando a explorar las posibilidades y estamos entusiasmados con los resultados que hemos visto con el uso de NLP, por ejemplo, para extraer información de descripciones de catálogos de productos, reseñas, atributos y otros textos y ganar una comprensión más profunda de los productos de nuestros clientes y cómo se relacionan entre sí:hipoalergénicos, 100 % algodón, etc.

Es solo cuestión de tiempo antes de que las empresas de toda la industria utilicen tecnologías de aprendizaje profundo como NLP para extraer información oculta y combinarlas con su experiencia y conocimientos comerciales específicos para innovar y diferenciarse.

¿Deberían las organizaciones aplicar la PNL? ¿Puede proporcionar algunos estudios de casos/ejemplos empresariales prácticos?

Un sector en el que hemos visto claramente cómo funciona es el comercio minorista, al que pertenecen muchos de nuestros clientes. La moda rápida y los minoristas que tienen una gran rotación de productos o introducen catálogos completamente nuevos por temporada pueden beneficiarse especialmente del uso de NLP.

Tradicionalmente, la personalización ha funcionado mejor cuando tiene toneladas de datos de comportamiento para cada producto. Pero, ¿qué hace si un gran bloque de su catálogo es nuevo o de nicho y simplemente no tiene datos que lo acompañen? Hasta hace poco, lo mejor que se podía hacer era ofrecer la recomendación de "los más vendidos" como complemento.

Con NLP, en realidad podemos tomar los datos textuales, como la descripción del producto, notas de estilo y ajuste, calificaciones y reseñas, etc., extraer información sobre ese producto y otros relacionados con él, y luego usar esa comprensión más profunda para proporcionar recomendaciones de inmediato. y ofertas complementarias al producto nuevo o de cola larga.

Este es un cambio de juego para los minoristas/marcas que presentan regularmente o alternan rápidamente nuevos estilos o catálogos de temporada, lo que permite personalizar y exponer a los compradores a productos relevantes a través de ofertas de venta cruzada desde el principio.

¿Qué sigue para la PNL?

A medida que las marcas y los minoristas sigan adoptando NLP, los casos de uso seguirán evolucionando. Lo que vemos a continuación es expandir la aplicación de NLP para incluir predicciones de viaje, extensiones basadas en voz, facetas para búsqueda y más. La PNL con aprendizaje profundo es el futuro de las compras de comercio electrónico.

Respuestas proporcionadas por Raj Badarinath, vicepresidente de ecosistemas, RichRelevance