پردازش زبان طبیعی (NLP) و تجزیه و تحلیل جستجو محور (Search-Driven Analytics) جزء تکنولوژی های جدیدی هستند که شرکت های کمی برای بهره بردن از پتانسیل بالقوه کسب و کارشان از آن استفاده می کنند.
هربار که شما از “Siri” درخواست مکان یابی می کنید تعداد زیادی کد “cutting-edge” فعال می شود. این فرآیند به نرم افزار اجازه می دهد که پرسش شما را درک کند، اطلاعات مورد نظر را جمع آوری کد و به شما پاسخ مناسب را ارائه دهد. این اتفاق تنها در همین چندسال اخیر رخ داده است. رابطه انسان در برابر رایانه همیشه منفعلانه بوده و ما نیاز به یادگیری زبان رایانه ها داشتیم ولی این شرایط در حال تغییر است.
تکنولوژی پایه در به وقوع پیوستن این جهش در رابطه انسان و رایانه جیزی نیست جز ، پردازش زبان طبیعی (Natural Language Processing) .
با توجه به این موارد قطعا پردازش زبان طبیعی می تواند ر آینده هوش تجاری تاثیرگذار باشد که در ادامه به بررسی آن خواهیم پرداخت.
پردازش زبان طبیعی چیست؟
در حالت کلی به ترکیب یادگیری ماشین ، هوش مصنوعی و زبان شناسی برای صحبت با رایانه اطلاق می شود. به خاطر بیاورید که تا همین چند سال قبل برای رسیدن به نتیجه درست در جست وجوی گوگل باید از کلماتی مانند Or,And,Not … استفاده می کردیم ولی امروز با کمک NLP گوگل درک می کند که قد ما از جست و جوی یک عبارت دقیقا چیست.
گوگل در حال حاضر از جست و جوی معنایی استفاده می کند. به این معنا که نه تنها عبارت پرسش شده را بلکه رابطه معنایی بین عبارات را نیز بررسی می کند. در حالت پنهان قضیه پرسش شما به ساختار Boolean تبدیل میشود و ادامه فرآیند به دور از چشم شما رخ میدهد.
این دقیقا همان ویژگی است که به شم امکان می دهد از سیری بخواهید تغغیرات آب و هوایی را به شما اطلاع بدهد یا ارزان ترین پرواز به مقصد خاصی را برای شما پیدا کند؛ بدون اینکه از زبان کد نویسی استفاده کنید.
اما پردازش زبان طبیعی به همین جا ختم نمی شود و هدف آن تشخیص و تحلیل کردن GUIs است به طوری که صحبت با یک رایانه به راحتی صحبت کردن با یک انسان باشد.
این کاربرد برای هوش تجــاری بسیار با اهمیت خواهد بود.
پردازش زبان طبیعی داده را کاربرپسند خواهد کرد
اگر تلاش ها ادامه یابد و موانع برطرف شود هوش تجاری و کلان داده می توانند از NLP کمک بگیرند تا داده ها را به طور فزاینده ای کاربر پسند تر کنند که رخ دادن این امر جهشی در هوش تجاری و حتی کلان داده خواهد بود. هرچند که هنوز با رسیدن به این مرحله فاصه داریم.
تصور کنید شما صرفا با پرسیدن یک سوال بتوانید به اطلاعاتی که از نرم افزراهای هوش تجاری می خواهید برسید. برای مثال با پرسیدن این عبارت که ” تغییرات درآمدی سه ماهه کسب و کار من چگونه بوده است؟ ” در هر زمان و هرجا بتوانید پاسخ آن را دریافت کنید. اتفاقی که در حال حاضر نیاز به استفاده کردن از نرم افزارهای گران قیمت و صرف وقت دارد.
شاید فعلا گوگل فقط به شما پیش بینی اب و هوای فردا را بدهد و تا چندی دیگر شما به بسیاری از اطلاعات خود مثل ” تمایل مشتری به برند ” دسترسی دارید در موقعیتی که در حال قدم زدن در خیابان هستید.
پردازش زبان طبیعی به رشد درک هوش تجاری کمک می کند
تلاش NLP این است که به یادگیری ماشین برسد به جایی که رایانه پرسش شما را بهتر و عمیق تر درک کند.
جست و جوی معنایی این امکان را می دهد که با فیلتر و بهینه کردن داد ها یک پاسخ هوشمندانه به کاربرارائه شود. قطعا تفاوت زیادی بین این حالت و اینکه تنها تعدادی داده برای شما به نمایش در اید وجود دارد.
پردازش زبان طبیعی داده های ساختارنیافته را در بند می کشد
NLP دامنه پاسخ قابل ارائه را با معناپذیر کردن داده های بدون ساختار برای رایانه فراهم کرده است.
درحال حاضر تحلیل های معنایی یک قدم به جلوتر رفته اند برای مثال اگر شما یک tweet در مورد کسب و کار خود بگذارید این نوع جست و جو علاوه بر درک معنا به بررسی بازخوردهای مثبت و منفی نسبت آن نیز می پردازد . با پردازش صصدا و پردازش ویدئو این امکان برای صوت ها و ویدئوها نیز وجود خواهد داشت.
درحال حاضر جست و جوی معنایی بخش اندکی از احساسات انسانی را تشخیص داده و درک می کند اتفاقی که در اینده نه چندان دور با یادگیری ماشین می تواند به تشخیص احساسات و حالات با تحلیل چشم انسان بپردازد و تنها به پرسش پرسش کننده کفایت نکند و حالت ها و احساسات فرد را نیز در نظر بگیرد.
