SAS Visual Text Analytics
Escale el acto humano de leer, organizar y extraer información útil de grandes volúmenes de datos textuales.
-
Calibre su LLM para mejorar los resultados con modelos ajustados a la tarea
Gestione la toxicidad, el sesgo y los malos actores para garantizar resultados confiables. Mejore la curación de datos y minimice las alucinaciones proporcionando datos más relevantes para el LLM. Evite que datos privados y confidenciales entren en el modelo agregando una capa de trazabilidad.
-
Detecte tendencias emergentes y oportunidades ocultas.
Examine rápida e incansablemente volúmenes crecientes de datos de texto para identificar ideas o temas principales, extraer términos clave, analizar sentimientos e identificar correlaciones entre palabras con la combinación correcta de procesamiento de lenguaje natural, machine learning y métodos de deep learning y reglas lingüísticas. Esto ayuda a llevar la información correcta a las personas cuando la necesitan.
-
Fomente la colaboración y el intercambio de información en un ecosistema abierto.
SAS Visual Text Analytics proporciona un entorno flexible que admite todo el ciclo de vida analítico, desde la preparación de datos hasta el descubrimiento de conocimientos analíticos y la puesta en producción de modelos para generar valor. Cree, administre y comparta contenido, incluidas canalizaciones de mejores prácticas, en un espacio de trabajo altamente colaborativo que se integra fácilmente con los sistemas existentes y la tecnología de código abierto.
-
Mejore el flujo de trabajo analítico con la automatización.
Los algoritmos inteligentes detectan automáticamente las relaciones, los temas y el sentimiento en los datos de texto, eliminando el laborioso análisis manual. Combine la plantilla de mejores prácticas, la generación automatizada de reglas y la utilización de modelos con un solo clic para reducir los esfuerzos de construcción de modelos.
Líder de análisis de texto en G2
SAS Visual Text Analytics gana las insignias 'Top 50 de los productos de analítica e IA', 'Lider de invierno 2024 en análisis de texto' y 'Líder de invierno 2024 en análisis de texto empresarial' de G2.
Características principales
Aumente los esfuerzos humanos para analizar texto no estructurado con IA utilizando una variedad de enfoques de modelado. Experimente el poder combinado del procesamiento del lenguaje natural, el aprendizaje automático y las reglas lingüísticas.
Clasificación basada en el modelo de lenguaje grande (LLM)
Utilice modelos lingüísticos para seleccionar los mejores datos para el ajuste fino de LLM y RAG. Aumente la moderación del contenido del LLM para detectar toxicidad y sesgos, y evite la fuga de datos privados para mejorar los resultados del LLM sin modificar o impactar el LLM.
LLM calibración
Utilice modelos lingüísticos para seleccionar los mejores datos para el ajuste fino de LLM y RAG. Aumente la moderación del contenido del LLM para detectar toxicidad y sesgos, y evite la fuga de datos privados para mejorar los resultados del LLM sin modificar o impactar el LLM.
Análisis de tendencia
El machine learning no supervisado agrupa documentos basados en temas comunes. Las puntuaciones de relevancia calculan qué tan bien pertenece cada documento a cada tema, y un indicador binario muestra la pertenencia al tema por encima de un umbral determinado.
Extracción de información
Extraiga piezas específicas de información o relaciones entre la información del texto utilizando un lenguaje de programación propietario de SAS poderoso, flexible y escalable llamado interpretación de lenguaje para información textual (LITI).
Enfoques de modelado híbrido
Cree modelos de texto efectivos utilizando una variedad de capacidades combinadas, incluida una rica combinación de reglas lingüísticas, procesamiento de lenguaje natural, machine learning y deep learning.
análisis
El texto se separa en palabras, frases, signos de puntuación y otros elementos de significado para proporcionar el marco humano que necesita una máquina para analizar el texto a escala.
Análisis de corpus
Comprenda la estructura del corpus a través de estadísticas de salida de fácil acceso para aprovechar la generación de lenguaje natural (NLG) para tareas como la limpieza de datos, la separación del ruido, el muestreo efectivo, la preparación de datos como entrada para otros modelos (basado en reglas y aprendizaje automático) y la creación de estrategias de enfoques de modelado.
Soporte nativo para 33 idiomas
La funcionalidad de NLP lista para usar permite el análisis del idioma nativo utilizando diccionarios y activos lingüísticos creados por expertos en idiomas nativos de todo el mundo.
SAS Viya es nativo de cloud y agnóstico de cloud
Consume SAS como quieras: SAS gestionado o autogestionado. Y donde quieras.
