Begrijp
documenten

Het begrijpen van zinnen is essentieel als u grote hoeveelheden tekstdocumenten zoals beleidsdocumenten, contracten of jaarverslagen wilt analyseren. Door deze documenten op zinsniveau te begrijpen, zijn binnen enkele seconden miljoenen documenten doorzoekbaar door gewoon een vraag te stellen.​

Belangrijkste uitdaging​

Zoek samenhang tussen de zoekopdracht van de gebruiker en de locatie in het document waar een exact antwoord op deze vraag wordt gegeven.​

Q&A document zoeken​

Sequentie modellen maken het mogelijk om documenten te doorzoeken door gewoonweg een vraag te stellen. Deze methode gaat verder dan zoeken op keywords en kijkt daarentegen veel dieper naar de betekenis van zinnen in de gehele tekst. Vergelijkbaar met word-embedding modellen, wordt er gekeken naar de samenhang tussen de vraag en het antwoord.​

Entiteit classificatie​

Natural Entity Recognition (NER) wordt gebruikt om beschrijvende informatie te extraheren uit geïdentificeerde entiteiten, zoals persoonsnamen, locaties, organisaties en valuta-uitdrukkingen. Dit is met name relevant als bij het zoeken in documenten een beter onderscheid gemaakt moet worden tussen verwijzingen naar gewone woorden en woorden die als onderdeel van een naam worden gebruikt.​

Wilt u de nieuwste modellen voor machine learning in het echte leven toepassen?​