O Amazon Comprehend é um serviço da AWS voltado para Processamento de Linguagem Natural, também conhecido como NLP. Ele utiliza modelos de Machine Learning para analisar textos e extrair informações sem que seja necessário desenvolver e treinar um modelo do zero.
Com ele, uma aplicação pode enviar textos para a AWS e obter informações como sentimento, entidades, frases importantes, idioma, dados pessoais e características da estrutura do texto.
O Amazon Comprehend oferece modelos prontos da AWS, que podem ser utilizados imediatamente, e também permite criar modelos personalizados para necessidades específicas.
Análise de sentimento
Uma das utilizações mais simples do Amazon Comprehend é a análise de sentimento. Imagine que uma plataforma receba o seguinte comentário:
Gostei muito do curso. O conteúdo foi excelente e me ajudou bastante.
O Amazon Comprehend classifica o sentimento predominante do texto em quatro possibilidades:
- Positive (positivo): indica uma percepção predominantemente positiva.
- Negative (negativo): indica uma percepção predominantemente negativa.
- Neutral (neutro): o texto não apresenta um sentimento positivo ou negativo predominante.
- Mixed (misto): o texto apresenta uma combinação significativa de sentimentos positivos e negativos.
Além da classificação principal, o Amazon Comprehend retorna uma pontuação de confiança para cada possibilidade.
Por exemplo, um comentário classificado como Positive pode apresentar 98% de confiança para positivo e valores menores para as demais classificações.
Essas pontuações permitem que a aplicação crie regras próprias, como encaminhar comentários negativos para análise ou considerar apenas classificações que ultrapassem determinado nível de confiança.
Vejamos abaixo um exemplo de chamada para uma API que faz a nálise.
POST http://localhost:8000/api/sentiment
Content-Type: application/json
Accept: application/json
{
"text": "Péssimo atendimento, não recomendo."
}Como resultado de saída, temos o retorno abaixo.
{
"sentiment": "POSITIVE",
"scores": {
"positive": 0.9998629093170166,
"negative": 4.491014260565862e-5,
"neutral": 8.371448348043486e-5,
"mixed": 8.386555236938875e-6
}
}Outros modelos de aplicação
Além da análise de sentimento, o Amazon Comprehend pode ser utilizado em diferentes cenários que envolvem interpretação e classificação de textos. Alguns recursos já possuem modelos treinados pela AWS, enquanto outros permitem criar modelos personalizados para atender necessidades específicas.
Classificação de solicitações de suporte
Uma aplicação interessante é a identificação automática do tipo de atendimento solicitado por um cliente. Uma central de suporte poderia trabalhar, por exemplo, com as seguintes categorias:
- Financeiro: cobranças, pagamentos e faturas.
- Suporte: erros, dificuldades de acesso e problemas técnicos.
- Cancelamento: solicitações relacionadas ao encerramento de serviços.
- Comercial: planos, produtos e novas contratações.
Nesse cenário, uma mensagem como "Minha mensalidade foi cobrada duas vezes" poderia ser classificada como Financeiro, enquanto "Não consigo acessar minha conta" poderia ser identificada como Suporte.
Para isso, o Amazon Comprehend disponibiliza o Custom Classification. Nesse recurso, fornecemos exemplos previamente classificados para que um modelo seja treinado de acordo com as categorias necessárias para a aplicação.
Reconhecimento de entidades
O reconhecimento de entidades permite encontrar automaticamente elementos importantes presentes em um texto, como pessoas, organizações, lugares, datas, eventos e quantidades.
Considere a seguinte frase:
A Amazon realizou um evento em São Paulo.
O Amazon Comprehend pode identificar Amazon como uma organização e São Paulo como uma localização. Assim como na análise de sentimento, as entidades encontradas são acompanhadas por uma pontuação que representa a confiança do modelo na identificação.
Também existe o Custom Entity Recognition, utilizado quando precisamos reconhecer entidades específicas do nosso domínio. Nesse caso, podemos treinar um modelo utilizando nossos próprios dados.
Frases-chave
O recurso de frases-chave identifica palavras e expressões consideradas relevantes dentro de um texto. Em grandes volumes de comentários, documentos ou solicitações de atendimento, isso pode ajudar a descobrir rapidamente quais assuntos aparecem no conteúdo.
Em vez de criar manualmente uma lista de palavras para procurar, a aplicação envia o texto ao Amazon Comprehend e recebe as frases identificadas pelo modelo junto com suas respectivas pontuações de confiança.
Detecção de informações pessoais
O Amazon Comprehend também possui recursos para localizar informações pessoalmente identificáveis, conhecidas como PII. Isso permite identificar determinados dados presentes em textos antes que eles sejam armazenados, compartilhados ou processados por outras partes de um sistema.
É importante observar que nem todos os recursos do Amazon Comprehend possuem o mesmo suporte de idiomas. No caso da detecção de PII, por exemplo, atualmente a AWS informa suporte para inglês e espanhol.
Processamento em tempo real e em lote
As análises podem ser realizadas em tempo real ou através de processamento assíncrono. Uma aplicação pode enviar um comentário e receber imediatamente sua análise de sentimento, enquanto grandes conjuntos de documentos podem ser processados utilizando Analysis Jobs.
Essa diferença permite utilizar o Amazon Comprehend tanto em funcionalidades que dependem de uma resposta imediata quanto em processos que precisam analisar grandes volumes de textos.
Idiomas suportados
O Amazon Comprehend possui suporte a alemão, inglês, espanhol, italiano, português, francês, japonês, coreano, hindi, árabe, chinês simplificado e chinês tradicional. Entretanto, isso não significa que todos os recursos estejam disponíveis em todos esses idiomas.
Análise de sentimento, reconhecimento de entidades e frases-chave estão disponíveis para todos os idiomas suportados. A análise sintática possui suporte para alemão, inglês, espanhol, francês, italiano e português. Já o Targeted Sentiment está disponível somente em inglês.
Nos recursos personalizados também existem diferenças. O Custom Classification com modelos de texto simples suporta alemão, inglês, espanhol, francês, italiano e português. O Custom Entity Recognition possui suporte para esses mesmos seis idiomas, embora existam restrições adicionais para documentos PDF e Word.
Por isso, antes de implementar uma funcionalidade, é importante verificar especificamente quais idiomas são suportados pelo recurso escolhido.
Consulte a lista atualizada de idiomas suportados na documentação do Amazon Comprehend
Como utilizamos o Comprehend na SatellaSoft
Na SatellaSoft, utilizamos o Amazon Comprehend como parte do processo de análise dos comentários publicados na plataforma. A análise de sentimento nos ajuda a identificar automaticamente características desses comentários e utilizar essas informações dentro dos nossos processos.
A classificação realizada pelo serviço não é tratada como uma decisão definitiva. Parte do conteúdo passa por auditoria humana, principalmente quando uma análise mais cuidadosa é necessária.
Essa combinação é importante porque um modelo pode encontrar dificuldades com contexto, ironia, ambiguidades e determinadas formas de expressão. O Amazon Comprehend funciona como uma camada de apoio à análise, permitindo automatizar parte do processo sem eliminar a avaliação humana nos casos em que ela é necessária.
Deixe um comentário