MeaningCloud le ayuda a descubrir insights inesperados en sus contenidos

MeaningCloud permite descubrir automáticamente temas emergentes y relaciones entre documentos, facilitando un análisis más ágil y exploratorio del contenido no estructurado.

28 SEPTIEMBRE 2015, NUEVA YORK, EE.UU.
Sumario
Con la nueva release de MeaningCloud ya no es necesario partir de diccionarios y modelos definidos a priori para realizar analítica de texto. Su tecnología de aprendizaje no supervisado permite descubrir temas emergentes y relaciones entre documentos, facilitando una analítica más ágil y dinámica y habilitando todo tipo de aplicaciones: recomendación de contenidos, organización de expedientes o análisis exploratorio de la opinión de los clientes.

Las técnicas habituales de analítica de texto extraen información y clasifican los contenidos en función de diccionarios y categorías predefinidos, de modo que obligan a tener una idea a priori del tipo de insights que se van a obtener del análisis.

MeaningCloud va a contribuir a cambiar esa manera de hacer analítica de texto, incorporando técnicas de aprendizaje no supervisado que permiten explorar una serie de documentos para descubrir y extraer insights (temas, relaciones) no previstos a priori. Y a poner estas técnicas al alcance de todo el mundo como parte de su servicio de análisis semántico en la nube, “meaning as a service”.

En concreto, la nueva release de MeaningCloud incluye una API de Clustering de Texto que hace posible descubrir la estructura implícita y los temas significativos que emergen de todo tipo de contenidos: documentos, interacciones en el contact center, conversaciones sociales, etc.

Esta nueva API está especializada en el tratamiento de contenido no estructurado (no es, como suele ocurrir con la oferta disponible en el mercado, una funcionalidad de clustering de datos estructurados). La API agrupa los documentos aplicando una similitud no puramente textual, sino en función de su relación con los temas presentes en la colección, y asigna automáticamente a cada cluster un título o nombre representativo de su tema predominante.

El clustering complementa las funcionalidades de MeaningCloud para extracción de información, clasificación y análisis de sentimiento, proporcionando una analítica más exploratoria, flexible y dinámica. Esta funcionalidad está especialmente indicada en aquellas aplicaciones donde se trata de detectar relaciones entre varios textos, de distribuirlos dinámicamente en agrupaciones naturales o de descubrir los temas más relevantes que emergen de sus contenidos y expresarlos en sus propios términos.

Se puede usar para detectar textos duplicados, recomendar contenidos relacionados, organizar una colección de textos en función de sus contenidos (y no de categorías predefinidas externamente) y descubrir temas significativos en el feedback de los clientes y en todo tipo de interacciones no estructuradas. En particular, en el importante campo del análisis de la Voz del Cliente o la gestión de la Experiencia del Cliente, el clustering se aplica allí donde se requiere descubrir la “nueva voz” de esos clientes.

El clustering de texto se añade a otras características diferenciadoras de MeaningCloud tales como sus herramientas gráficas de personalización -que permiten crear fácilmente modelos y diccionarios a medida-, la posibilidad de experimentar y prototipar pipelines de análisis gracias a sus plug-ins para Microsoft Excel y GATE, y su integrabilidad en todo tipo de arquitecturas.

Más información sobre la nueva release de MeaningCloud y la funcionalidad de Text Clustering.

Citas
"Esta nueva release permite realizar un análisis semántico más exploratorio y basado en el descubrimiento de insights, y contribuye a una analítica de texto más ágil." Antonio Matarranz, Chief Marketing Officer de MeaningCloud
notas de prensa