キーポイント要約を使用する場合

人々の意見を表すテキスト（製品レビュー、アンケートの回答、ソーシャル メディアのコメントなど）のコレクションが大量にある場合、データに現れる主要な問題を理解することは困難です。 何千ものコメントを調べるのは、法外な費用がかかります。 自動化されたアプローチは、繰り返し使用されるフレーズや概念、およびそれらに対する全体的な感情を特定することに限定されることが多く、詳細な洞察や実用的な洞察は提供されません。 Key Point Summarization (KPS) により、これらの詳細かつ実用的な洞察を整理された階層的な方法で抽出できます。

キーポイント要約の仕組み

KPS はデータを文に分割し、それぞれのスタンス (肯定的、否定的、中立的) を検出します。 次に、これらの文から重要なポイントを識別し、残りの文をこれらの重要なポイントと一致させます。 重複は取り除かれ、関連するキーポイントは階層的に整理される。 各キーポイントの出現頻度は、一致する文の数によって定量化されます。

キーポイント要約の使い方

KPSはこれらのノートブック環境でのみ利用可能です：

• NLP + DO Runtime 24.1 on Python 3.11
• GPU V100 Runtime 24.1 on Python 3.11

この分析では大規模な言語モデルを使用するため、GPUが必要となる。

1. CPUのみの環境を使用して、データの小さなサブセットでKPSを実行し、テストする：NLP + DO Runtime 24.1 on Python 3.11
2. GPUを搭載した環境で、数百、数千のコメントに対してKPSをスケール実行する：GPU V100 Runtime 24.1 on Python 3.11

これらの2つの環境には、KPSを実行するために必要なPythonパッケージが含まれています。

KPSの使用例については、サンプルノート。

親トピック:ノートブックとスクリプト