Найдите минутку и погуглите стартап Lemonade, который пытается разрушить скучную старую страховую отрасль. Эта компания в последнее время делает некоторые новости, вы сможете легко их найти, не так ли?
Вот что у меня получилось:
Рецепт приготовления идеальной чашки лимонада
Информация об альбоме Бейонсе
И да, после того, как компания потратила невероятную сумму денег на SEO, также результаты о Lemonade, компании Insurtech.
Мне пришлось пробираться сквозь кучу хлама, чтобы наконец найти то, что я искал!
А теперь представьте, что вы аналитик и вам нужно искать Lemonade в сотнях статей, блогах и других неструктурированных данных. Представьте себе весь ненужный материал, который вам придется отфильтровать. Теперь подумайте о том, чтобы сделать это для миллионов статей, сообщений и так далее. Вы просто не можете этого сделать; ни один человек не может.
Похоже, подходящее место для машин, чтобы вмешаться и сделать работу за нас, не так ли? Удивительно, но выяснить, что такое «Лимонад», тоже ОЧЕНЬ сложно для машин. Решением этой проблемы является так называемое «распознавание сущностей».
Три года назад, когда мы впервые попытались решить эту проблему, нам пришлось иметь дело с невообразимым количеством ложных срабатываний. Правильная пометка названий компаний в неструктурированном тексте, казалось бы, простая проблема, оказалась одной из наших самых сложных задач.
После более чем трех лет разработки я могу сказать, что мы приручили этого зверя. В рамках любого источника неструктурированных данных мы создали машину, которая знает, когда видит компанию Lemonade, и игнорирует напиток, альбом и другие нерелевантные результаты. Итак, если вам нужно знать о важных событиях, таких как финансирование, изменения в исполнительном руководстве, партнерские отношения, запуск продукта, юридические проблемы и многое другое? Мы можем обработать миллионы статей и найти их для вас. И мы не будем засыпать вас рецептами или обзорами альбомов.
Используя эту технологию, мы также можем отображать конкурентов, выделять сходства и различия, основываясь на обнаружении упоминаний в новостях и контекста новостей. Эта часть основана на начальном распознавании сущностей и представляет собой отдельную сложную проблему НЛП. По правде говоря, я не инженер и управляю высокотехнологичными компаниями без глубокого технического образования. Но я знаю сложные инженерные проблемы, и я знаю, что мы определили сложную проблему, требующую глубокого решения, и что мы создали лучшую технологическую команду для ее решения.
Моя точка? Чтобы стать предпринимателем, не обязательно быть технологом. Вам нужно определить реальную проблему и решить ее. Даже если проблема кажется простой или даже не кажется проблемой, когда вы начинаете. И вы должны быть готовы к тому, что решить эту проблему будет намного сложнее, чем вы изначально думали или планировали.
Мы создали четыре подсистемы, которые помогают нам собрать целостное решение:
Собственная система распознавания сущностей (ER), ориентированная на автоматическое обнаружение компаний в неструктурированном тексте.
Собственный процесс обнаружения событий, ориентированный на решение сложной проблемы. знать, когда компании сталкиваются или достигают критических вех или неудач.
Модель классификации и маркировки, ориентированная на классификацию компаний в соответствии с Глобальным стандартом отраслевой классификации (GICS).
Модель подобия, которая определяет типы и силу семантических отношений между компаниями.
Наши модели проходят обучение и переподготовку ежедневно.
В результате получился полностью автоматизированный снимок компании, подобный этому: https://www.zirra.com/auto-memo/lemonade
В настоящее время в нашей базе данных более 1,6 млн частных и государственных компаний, и их история насчитывает более 2,5 лет!
Другие компании подкрепляют свой анализ людьми. Мы приводим его в действие с помощью искусственного интеллекта; обработка естественного языка и машинное обучение. В результате мы можем и рады предложить вам использование нашей базы данных БЕСПЛАТНО.
Используйте Zirra.com, чтобы:
Анализируйте компании на предмет инвестирования.
Узнайте о своих конкурентах.
Разберитесь в компании, в которой вы собираетесь устроиться на работу.
По любой другой причине, которая вам нравится!
Наш результат может быть не идеальным; машина всегда учится. Чем больше вы его используете, тем лучше.
Наслаждаться.
