如有私有化部署（本地部署软件）需求，及商务问题，请联系：nlp-support@list.alibaba-inc.com
产品优势
易用
使用流程简单
无需工程与算法背景
快捷
全链路优化
平均训练模型耗时<30分钟
专业
专业技术沉淀
500+标注数据时，模型准确率预计>85%
适用场景
基础算法
文本实体抽取
合同实体抽取
定制合同文档中需要抽取的关键要素，例如甲方、乙方、单据编号、收款账号、合同金额等，快速将大量合同文本结构化，提升合同规整与审核效率。
新闻实体抽取
定制新闻内容中需要抽取的关键要素，例如时间、人物、事件、地点等，从而高效处理新闻数据，将新闻内容标签化，智能推送新闻信息。
财务实体抽取
定制财务文档中需要抽取的关键要素，例如购方名称、销方名称、发票号码、金额、开票日期等，快速完成财务文档信息的录入与审核。
文本分类
文章分类
媒体编辑需要根据文章具体内容进行分类，例如科技、娱乐、财经、体育、游戏等，新增文章自动分类，提升文章审核与归档效率。
评价分类
电商客服需根据商品评价文本进行分类，例如情感极性（好、中、差等）、投诉类别（物流、尺码、材质等），了解用户满意度，提升问题跟踪效率。
短信分类
运营商需要根据短信文本内容判断其对应的分类，例如涉黄、暴恐、涉政、广告等，高效过滤违规内容，降低人工审核成本。
关键短语抽取
个性化推荐
根据文本中的关键短语，结合用户画像，对用户精准个性化推荐
话题聚合
聚合相同关键短语的文章，便于用户对同一话题的文章进行全方位的信息阅读
搜索
通过关键短语对用户搜索内容（query）进行相似度计算、聚类、改写等
短文本匹配
个性化推荐
根据用户已浏览文章的标题内容，推荐更多相似文章，例如帖子、新闻推荐等场景
问答系统
精准识别用户问题与知识库中最相似的相关问题，并关联返回对应答案
搜索
根据用户搜索内容（query）检索网页标题或内容，进行query与网页的匹配
关系抽取
知识图谱
发掘文本中的关系，构建行业知识图谱
问答系统
根据文本关系构建结构化知识库，可用于问答、推理等场景
行业场景算法
简历抽取
简历信息解析
对简历内容进行识别解析，根据用户自定义关键字段生成结构化信息。帮助用户高效完成资格审查环节，快速筛选符合条件的候选人
岗位评估匹配
根据岗位需求和简历结构化信息进行多维度分析，评估应聘者和岗位的匹配度，提供精准的人岗双向推荐服务
考题智能推荐
根据企业招聘需求和应聘者简历信息打造个性化笔试内容，智能生成面试问题，并根据回答进行辅助评价，帮助面试官高效准确地进行面试评估
商品评价解析
商品口碑分析
可以了解用户对商品的满意度，进而制定好的营销策略
问题追踪
及时发现并跟踪问题，评估严重性及制定处理方案
属性分类
将不同消费者对同一产品的评价内容按属性分类，了解各环节的市场反应
情感分析
舆情分析
了解大众对热门事件的情感倾向，掌握舆论导向，从而更及时有效的进行舆情监控
评论分析
对评论进行情感分析，将不同用户对同一事件或对象的评论内容按情感极性予以分类展示
口碑分析
了解大众对某一人物或公众明显的喜好程度
更多产品与服务
命名实体
我们为您提供的命名实体服务，可以帮助您快速识别文本中的实体，进而挖掘各实体间的关系，是进行深度文本挖掘，知识库构建等常用自然语言处理领域里的必备工具。目前主要针对电商领域，识别品牌、产品、型号等，同时也包括一些通用领域实体如人名、地名、机构名、时间日期等。
智能文本分类
按照给定类目体系对输入文本进行自动分类，当前已支持新闻资讯领域和电商领域的文本分类。如需更多类目体系的定制化，请使用NLP自学习平台。
情感分析
又称倾向性分析，或意见挖掘，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。利用情感分析能力，可以针对带有主观描述的自然语言文本，自动判断该文本的情感正负倾向并给出相应的结果。
商品评价解析
基于电商行业的大量语料研发，对消费者历史评价和新增评价的商品维度属性自动解析，将文本转化为结构化属性字段，高效甄别正负面评价，同时根据情感强烈程度进行-1分~1分的打分，可统计可分析，大幅度节省客服人
