SAS Visual Text Analytics
Mettez à l’échelle l’acte humain de lire, d’organiser et d’extraire des informations utiles à partir d’énormes volumes de données textuelles.
-
Calibrez vos LLM pour améliorer les résultats avec des modèles adaptés
Gérez la toxicité, les biais et les mauvais acteurs pour garantir des résultats fiables. Améliorez la curation des données et minimisez les hallucinations en fournissant des données plus pertinentes aux LLM. Empêchez les données privées et sensibles de migrer dans le modèle en ajoutant une couche de traçabilité.
-
Détectez les tendances émergentes & les opportunités cachées
Passez rapidement et inlassablement au crible des volumes croissants de données textuelles pour identifier les idées ou les sujets principaux, extraire les termes clés, analyser le sentiment et identifier les corrélations entre les mots avec la bonne combinaison de traitement du langage naturel, de méthodes d'apprentissage automatique et d'apprentissage profond, et de règles linguistiques. Cela permet de transmettre les bonnes informations aux personnes qui en ont besoin.
-
Favorisez la collaboration & le partage d'informations dans un écosystème ouvert
L'environnement SAS Visual Text Analytics, particulièrement souple, prend en charge l'intégralité du cycle de vie analytique, de la préparation des données à leur valorisation en passant par la découverte d'informations analytiques et la mise en production des modèles. Créez, gérez et partagez du contenu, y compris des bonnes pratiques, dans un espace de travail hautement collaboratif qui s'intègre facilement avec les systèmes en place et la technologie open source.
-
Améliorez le flux de travail analytique grâce à l'automatisation
Des algorithmes intelligents détectent automatiquement les relations, les sujets et les sentiments dans les données textuelles, éliminant ainsi les analyses manuelles fastidieuses. Combinez les modèles de bonnes pratiques, la génération des règles automatisées et le déploiement de modèles en un clic pour réduire les efforts de modélisation.
Leader de l'analyse de texte sur G2
SAS Visual Text Analytics remporte les badges "Summer 2024 Leader in text analysis" et " Summer 2024 Enterprise Leader in Text Analysis " de G2.
Principales caractéristiques
Renforcez les interventions humaines pour analyser des données textuelles non structurées en utilisant l'IA et différentes approches de modélisation. Misez sur la puissance du traitement du langage naturel, du machine learning et des règles linguistiques.
Classification basée sur un grand modèle de langage (LLM)
Utilisez des modèles linguistiques pour sélectionner les meilleures données pour l'amélioration du LLM et du RAG. Augmentez la modération de contenu LLM pour détecter la toxicité et les biais et empêcher la fuite de données privées pour améliorer les résultats LLM sans modifier ou impacter le LLM.
Calibration LLM
Utilisez des modèles linguistiques pour sélectionner les meilleures données pour l'amélioration du LLM et du RAG. Augmentez la modération de contenu LLM pour détecter la toxicité et les biais et empêcher la fuite de données privées pour améliorer les résultats LLM sans modifier ou impacter le LLM.
Analyse des tendances
L'apprentissage automatique non supervisé regroupe les documents sur la base de thèmes communs. Les scores de pertinence calculent le degré d'appartenance de chaque document à chaque sujet, et un drapeau binaire indique l'appartenance à un sujet au-dessus d'un seuil donné.
Extraction d'informations
Extraire du texte des éléments d'information spécifiques ou des relations entre les informations à l'aide d'un langage de programmation puissant, souple et évolutif propre à SAS, appelé langage d'interprétation des informations textuelles (LITI).
Approches de modélisation hybrides
Construisez des modèles de texte efficaces en utilisant une variété de capacités combinées, notamment un riche mélange de règles linguistiques, de traitement du langage naturel, d'apprentissage automatique et d'apprentissage profond.
Analyse
Le texte est séparé en mots, phrases, signes de ponctuation et autres éléments de sens afin de fournir le cadre humain dont une machine a besoin pour analyser un texte à grande échelle.
Analyse du corpus
Comprendre la structure du corpus grâce à des statistiques de sortie facilement accessibles afin de tirer parti de la génération de langage naturel (NLG) pour des tâches telles que le nettoyage des données, la séparation du bruit, l'échantillonnage efficace, la préparation des données en tant qu'entrée pour d'autres modèles (basés sur des règles et l'apprentissage automatique) et l'élaboration de stratégies pour les approches de modélisation.
Prise en charge native de 33 langues
La fonctionnalité NLP prête à l'emploi permet d'analyser la langue natale à l'aide de dictionnaires et de ressources linguistiques créées par des experts en langue natale du monde entier.
SAS Viya est une solution cloud-native et cloud-agnostic.
Consommez SAS comme vous l'entendez - SAS managed ou autogéré. Et où vous voulez.
