We stand with Ukraine

Modelos de conocimiento de expert.ai

Plataforma expert.ai: inteligencia integrada desde el principio con contextos específicos de cada dominio

Manejar bien el lenguaje es difícil. Dar sentido a la jerga propia de cada sector, público o privado,  o a la terminología de los productos de una empresa o institución  y extraer información útil con la rapidez y flexibilidad necesarias aún lo es más. O lo era.

Con más de 300 soluciones de procesamiento del lenguaje implantadas con éxito, expert.ai ha acumulado una profunda experiencia en el dominio de los seguros, la tecnología, los servicios financieros,  los medios de comunicación y gobierno. La plataforma expert.ai incluye modelos de conocimiento que aprovechan esa experiencia con fórmulas basadas en reglas que contienen conceptos y relaciones específicos del sector, la función o el caso de uso. Son modelos listos para usar que ayudan a mejorar rápidamente la precisión de los resultados de procesamiento lingüístico y sacar a la luz nuevos conocimientos a partir de datos no estructurados.

La posibilidad de “integrar la inteligencia desde el principio” en los proyectos permite proporcionar a cada miembro del equipo flujos de trabajo intuitivos y fáciles de usar, así como herramientas que aceleran el desarrollo de soluciones de comprensión del lenguaje personalizadas y explicables.

 

Desarrollo más rápido de proyectos de procesamiento del lenguaje

Los modelos de conocimiento aprovechan de manera instantánea la información propia del negocio para crear soluciones de NLP (procesamiento del lenguaje natural) personalizadas con la plataforma expert.ai. Es posible clasificar los documentos y extraer datos relevantes para casos de uso específicos de negocio con un alto nivel de precisión y explicabilidad gracias al enfoque híbrido de expert.ai.

A continuación, figura una lista de modelos de conocimiento disponibles en expert.ai. Todos los días se añaden modelos nuevos. Si no ves el que necesitas para tu proyecto, habla con nosotros.

Información financiera
Organizaciones empresariales

Permite identificar y extraer varios tipos de entidades financieras, tales como bancos centrales y bancos, cooperativas de crédito, agencias de calificación, proveedores de servicios de pago, fondos de pensiones, compañías de seguros, corredores de bolsa, empresas que cotizan en bolsa, etc.
Materias primas

Se utiliza para clasificar cualquier tipo de texto que tenga que ver con el mercado de materias primas. Este modelo se centra en los principales sectores implicados: agricultura, energía, ganadería, metalurgia y química, e incluye cualquier instrumento financiero relacionado con ellos, como los derivados y los ETF.
Divisas

Es útil para clasificar cualquier tipo de texto que trate el tema de las monedas y criptomonedas. Identifica divisas y valores, y las tendencias detectadas al respecto en el texto.
Eventos

Se utiliza para identificar y extraer los acontecimientos y actividades relacionados con el área financiera, como cambios en la propiedad o la dirección de la entidad, fusiones y adquisiciones, reducciones de personal, operaciones de subcontratación, etc.
Macroeconomía

Permite clasificar el texto mediante una taxonomía de términos económicos y extraer datos relevantes, como la subida y bajada de diversos índices e indicadores. Este modelo puede utilizarse para seguir los acontecimientos y las tendencias del mundo de la economía.
Mercados, códigos e índices bursátiles

Se utiliza para categorizar los contenidos en función de la ubicación geográfica del mercado de valores y extraer entidades relacionadas con las bolsas de valores, las empresas que cotizan en bolsa, sus códigos bursátiles (tickers) y los índices bursátiles.
Mercado de valores

Este modelo categoriza los contenidos sobre los mercados de valores y etiqueta los textos según el tipo de valor (es decir, renta variable, deuda, productos híbridos y derivados), y extrae información sobre entidades, valores y tendencias relevantes relacionadas con ellos.
Actividades de negocio
Comunicación con los clientes de banca

Este modelo clasifica los mensajes y los hilos del correo electrónico de atención al cliente para ayudar a clasificar y canalizar más de 60 temas habituales en las comunicaciones con los clientes de los bancos.
Delitos corporativos

Es útil para clasificar la información sobre la implicación de una compañía o su personal en delitos o actividades ilegales y, de esta forma, proteger a las empresas de clientes o proveedores deshonestos y vigilar a la competencia.
Medio ambiente, sociedad y gobierno corporativo

Permite identificar y categorizar en los textos los conceptos relacionados con los criterios ESG (medio ambiente, sociedad y gobierno corporativo), y clasificarlos como negativos o positivos en función de las acciones o declaraciones atribuidas a una empresa, país o institución.
Biociencia
Fármacos, enfermedades y síntomas

Puede utilizarse para extraer varios tipos de entidades biomédicas de los textos y vincularlas a conceptos de corpus de conocimiento controlados. Este modelo integra el sistema de lenguaje médico unificado UMLS (Unified Medical Language System) para extraer entidades pertenecientes a las tres clases más comunes de la taxonomía UMLS: medicamentos, enfermedades y signos o síntomas.
Sentimientos, emociones y odio
Rasgos conductuales

Identifica 72 tipos de rasgos de personalidad, como la curiosidad, la sinceridad, la negatividad, etc., para entender el contenido desde un punto de vista más parecido al del ser humano.
Rasgos emocionales

El sistema de clasificación de rasgos emocionales puede identificar 39 sentimientos en un texto para entender mejor las emociones, opiniones o actitudes que transmite un texto.
Discursos de odio

Este modelo encuentra casos de lenguaje ofensivo y violento en el texto y los clasifica en diferentes categorías de discurso de odio, entre ellas: insulto personal, racismo, sexismo, discriminación por discapacidad (capacitismo), odio a la religión, clasismo y humillación corporal.
Datos de identificación personal (PII)
PII

Reconoce datos de identificación personal (PII) en el texto. Los datos de identificación personal son aquellos que permiten reconocer potencialmente la identidad de un determinado individuo. Incluyen el nombre, la fecha o el lugar de nacimiento, el número de teléfono y la dirección postal, entre otros.
PII con seudonimización

Reconoce los datos de identificación personal del documento y devuelve el texto con los valores de carácter personal anonimizados mediante seudónimos.
PII con disociación de datos

Reconoce lo datos de identificación personal del documento y devuelve el texto con los valores de carácter personal convertidos en caracteres “X”.