Diese Seite beschreibt wie die KI von Daten und Feedback von Benutzern über die Zeit lernt.
Panel | ||||||||
---|---|---|---|---|---|---|---|---|
| ||||||||
Seite teilen: https://www.onedot.com/help/onedot-ai |
Einführung
Die Onedot Plattform wird über die Zeit und wird immer besser und präziser bezüglich Vorschläge während des Produktdaten-Onboardings. Wie genau wird dies erreicht?
Info |
---|
Die Begriffe “AI” (Artificial Intelligence), die deutsche Übersetzung “KI” (Künstliche Intelligenz) sowie “ML” (Machine Learning) werden hier synonym verwendet. |
Die Onedot Plattform verwendet Künstliche Intelligenz (KI) und fortgeschrittenes Maschinelles Lernen (ML) um kontinuierlich aus den verarbeiteten Daten und Feedback von Benutzern in Feedback-Aufgaben zu lernen.
Bei jedem Produktdaten-Onboarding werden hauptsächlich in den Modulen Attributextraktion, Klassifizierung, Attribut-Mapping, Normalisierung, Segmentierungen wie Golden Record Generation, etc. KI/ML Modelle verwendet, um initiale Vorschläge zur Datenverarbeitung zu generieren, welche anschliessend in Feedback-Aufgaben korrigiert und/oder bestätigt werden.
Verwendete KI Modelle
Onedot verwendet verschiedene Typen von KI/ML Modellen:
...
Modelle wie Classifier werden werden im Falle von öffentlichen Standards wie ECLASS, UNSPSC, etc. aus öffentlich verfügbaren Internet Datenquellen trainiert. Bei kundenspezifischen Klassifikationen und Kategoriebäumen werden Classifier hauptsächlich durch Produktdatenexporte (PDEs) und durch Feedback aus Klassifikationsaufgaben trainiert.
Knowledge Datenbank
Darüber hinaus verwendet Onedot auch eine proprietäre Knowledge-Datenbank um Benutzer-Feedback von Produktdatenexperten auf Ebene Feedback-Aufgabe, Datenquelle, Kunde, oder einzelnem Auftrag wie einem Produktdaten-Onboarding, zu speichern, und so menschliches Feedback mit Priorität in Folgeaufträgen und Aufträgen für denselben Kunden zu verwenden. Benutzer-Feedback kann beispielsweise Information zu assoziierten Quell- und Zielattributen oder verwendete Klasse/Kategorie für bestimmte Produkte enthalten. Benutzer-Feedback wird strukturiert erhoben als einfache Ja/Nein Fragen oder Auswahl von vordefinierten Listen von Attributen, Klassen, Werten aus Wertelisten, etc.
...
Selbstverständlich wird der Inhalt der Knowledge-Datenbank und Produktdatenexporte (PDE) auch als Trainingsdaten für das Training der oben stehenden KI/ML Modelle verwendet, um dadurch über die Zeit noch besser und präziser auf die kundenspezifischen Bedürfnisse und Terminologie eingehen zu können.
Related articles
Filter by label (Content by label) | ||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
...