自然语言处理技术可以提高创新效率
美国莱克丝研究所最近发布了一份名为《人工智能和机器学习改善创新前端》的白皮书。该书指出，自然语言处理技术可以提高创新效率，但尚未得到充分开发和利用。
目前，业界正在努力研究人工智能使用数据的有效方法。自然语言处理和主题建模可以改善技术优化、竞争分析、弱信号检测等过程，加快对海量文本数据的分析，这些都是创新驱动的关键。莱克丝研究公司数字产品副总裁凯文辛博士认为，有效利用机器学习可以快速挖掘数据，从而减少整体分析时间。
自然语言处理技术带来的增长率是通过主题建模实现的，主题建模从文本中提取重要概念，同时很大程度上消除了相关的人为假设和数据偏差。使用机器学习来提高创新速度和技术包容性已日益成为业界的共识。知识建模可以使用分类法来定义特定主题下关键创新领域的技术趋势。从相似性的概念中提取一个内容，然后寻找其他相关的文章、专利或新闻来加速创新过程。在公司层面，主题建模也可以用于竞争性产品组合分析。当新闻机构或社交媒体进行大量数据收集和分析时，话题建模也可用于弱信号检测。
在定义成熟的人工智能和机器学习策略时，需要权衡一些关键技术点，包括是否需要构建新的技术框架、使用哪些数据源以及如何定义和解释该技术。适应接受这些技术工具的企业文化也很重要，这有助于从业者将自然语言处理视为技能资产，而不是竞争对手。
肖恩总结道：“人工智能和机器学习给决策过程带来的支持和信心将加速创新，但这并不意味着人类的缺席。人们仍然需要定义分析的起点，标记主题，并从收集的信息中提取所需的数据。”(记者李钊)
