We stand with Ukraine

Modèles de connaissances expert.ai

« Intelligent dès le départ » avec la connaissance métier intégrée sur la plateforme expert.ai

Le langage est difficile. Il est encore plus difficile de comprendre le jargon spécifique à un secteur ou la terminologie des produits spécifiques à une entreprise et d’en extraire des informations supplémentaires rapidement et à grande échelle. Jusqu’à présent.

Avec plus de 300 déploiements de solutions de langage naturel, expert.ai a développé une expertise approfondie des domaines de l’assurance, de la technologie, des services financiers et des médias. La plateforme expert.ai intègre des modèles de connaissances qui capitalisent sur cette expérience avec des modèles basés sur des règles qui contiennent des concepts et des relations spécifiques à un secteur, un rôle ou un cas d’usage. Ces modèles peuvent être utilisés immédiatement pour améliorer rapidement la précision des résultats en langage naturel et faire apparaître de nouvelles informations à partir de données non structurées.

Développez un projet « intelligent dès le départ » et fournissez à votre équipe des workflows intuitifs et faciles à utiliser qui accélèrent le développement d’applications en langage naturel personnalisées et explicables.

 

Créez des projets en langage naturel plus rapidement

Les modèles de connaissances tirent parti des connaissances spécifiques à un domaine ou métier, ce qui vous donne une longueur d’avance pour créer des solutions NLP personnalisées avec la plateforme expert.ai. Classez des documents et extrayez des données pertinentes pour des cas d’usage spécifiques à un domaine avec un haut niveau de précision et d’explicabilité grâce à l’approche hybride d’expert.ai.

Vous trouverez ci-dessous une liste d’exemples de modèles de connaissances actuellement disponibles. De nouveaux modèles de connaissances sont ajoutés chaque jour. Si vous ne trouvez pas de modèle de connaissance adapté à vos besoins, contactez-nous !

Informations financières
Organisations privées

Identifiez et extrayez du texte divers types d'organisations financières comme les banques centrales, les banques, les coopératives de crédit, les agences de notation, les fournisseurs de services de paiement, les fonds de pension, les compagnies d'assurance, les institutions de courtage, les sociétés cotées en bourse, etc.
Matières premières

Classifiez tout type de texte qui traite du marché des matières premières. Ce modèle se concentre sur les principaux secteurs concernés : l'agriculture, l'énergie, le bétail, la métallurgie et la chimie, et inclut tout instrument financier connexe, comme les produits dérivés et les ETF.
Devises

Classez tout type de texte traitant du thème des devises et des crypto-monnaies. Identifiez les devises, les valeurs et les tendances connexes décrites dans le texte.
Événements

Identifiez et extrayez les événements et les activités liés à la finance, tels que les changements de direction et de propriétaire, les acquisitions, les réductions d'effectifs, l'externalisation, les rachats, etc.
Macro-économie

Catégorisez le texte sur la base d'une taxonomie de termes économiques et extrayez les données pertinentes, telles que la hausse et la baisse de divers taux et indicateurs. Utilisez cette rubrique pour suivre les événements et les tendances dans le monde de l'économie.
Marchés, tickers et indices

Classez le contenu en fonction de l'emplacement géographique du marché boursier et extrayez les entités liées aux bourses, aux sociétés cotées en bourse, à leurs symboles boursiers correspondants (tickers) et aux indices boursiers.
Valeurs mobilières

Catégorisez le contenu relatif aux marchés des valeurs mobilières, en classifiant les textes selon le type de valeurs mobilières (c.-à-d., actions, dettes, titres hybrides et produits dérivés), et extrayez les informations relatives aux entités, aux valeurs et aux tendances pertinentes.
Activités commerciales
Communication avec les clients des banques

Classifiez les e-mails et les fils de discussion du support client pour aider à les trier et à les redistribuer selon plus de 60 sujets de communication parmi les plus courants de l'assistance clientèle bancaire.
Criminalité d'entreprise

Classez les informations concernant l'implication d'une entreprise ou de son personnel dans des crimes ou des actes illégaux afin de protéger une entreprise contre les clients ou les fournisseurs corrompus et de surveiller les concurrents.
Environnement, social et gouvernance

Identifiez et classez les textes relatifs aux concepts ESG (Environnement, Social et Gouvernance), et classez-les comme négatifs ou positifs en fonction des actions ou des déclarations attribuées à une entreprise, un pays ou une institution.
Sciences de la vie
Médicaments, maladies et symptômes

Extrayez divers types d'entités biomédicales du texte, en créant un lien avec un concept de connaissance contrôlée. Ce modèle intègre le système de langage médical unifié (UMLS) pour extraire les entités appartenant à trois des classes les plus courantes de la taxonomie UMLS : médicaments, maladies et signes ou symptômes.
Sentiment, émotions et haine
Traits de comportement

Identifiez 72 types de traits de personnalité tels que la curiosité, l'honnêteté, la négativité, etc. afin de fournir une compréhension plus humaine du contenu.
Traits émotionnels

Le classificateur des traits émotionnels peut identifier 39 sentiments dans un texte pour mieux comprendre les émotions, les opinions ou les attitudes véhiculées dans un texte.
Discours de haine

Trouvez des exemples de langage offensant et violent dans un texte et classez-les dans différentes catégories de discours de haine telles que les insultes personnelles, le racisme, le sexisme, la discrimination fondée sur la capacité physique, la haine religieuse, le classisme et « body shaming ».
Informations personnelles identifiables (PII)
PII

Identifie les informations personnelles identifiables (PII) dans le texte. Les PII sont toutes les données susceptibles d'identifier une personne spécifique, notamment les noms, la date ou le lieu de naissance, le numéro de téléphone, l'adresse physique, etc.
PII avec pseudonymisation

Identifie les PII dans le texte et renvoie le texte avec les valeurs identifiées rendues anonymes sous forme de pseudonymes.
PII avec anonymisation

Identifie les PII dans un texte et renvoie le texte avec les données PII identifiées anonymisées sous forme de caractères "X".