サンプル・アプリケーション
以下のサンプル・アプリケーションやラボで、IBM Watson™ Natural Language Understanding について詳しく説明します。
コグニティブ・モデレーター・マイクロサービスを構築する
ディスカッションを管理するために、チャット・チャネルで交換されるメッセージと画像を Watson のサービスを利用して処理します。
構造化データと非構造化データをリンクしてお勧めを生成する
構造化形式で保管されているデータとの関係を確立します。
E メールの自動カスタマー・サポートを提供する
Watson の自然言語処理機能を使用して、インテリジェントなカスタマー・サポート・システムを開発します。
知識ベースに対してドキュメントの照会を行う
Watson NLU、Python NLTK、IBM Watson Studio を利用して知識ベースに対して照会を行い、各ビジネス領域に固有のドキュメントに関係した質問に対する回答を得ます。
ドキュメントを基にナレッジ・グラフを作成する
IBM Cloud、Watson サービス、Watson Studio、そしてオープンソース・テクノロジーを利用して、各種のビジネス領域で生成された非構造化テキスト・コンテンツから洞察を引き出します。
画像を取り込み、そこから抽出したテキストを翻訳する
Tesseract OCR および Watson Language Translator を使用して、画像の取り込み、およびテキストの抽出と翻訳を行います。
製品レビューを分析してショッピング・ガイドを作成する
Watson Natural Language Understanding によって評価された製品レビューを使用してコグニティブな決定を行う Node.js アプリを作成します。
バンキング・チャットボットを作成する
Node.js および Watsonを使用して、感情を検出し、エンティティーを特定し、回答を見つけます。
Watson サービスを使用してマルチメディア・ファイルをエンリッチする
IBM Watson のサービスを使用して、オーディオ・ファイルやビジュアル・ファイルをエンリッチするアプリケーションを構築します。
Watson Knowledge Studio を使用して SMS メッセージを分析する
Watson Knowledge Studio および Watson Natural Language Understanding を使用して SMS メッセージの内容をより適切にカテゴリー化するためのカスタム・モデルを構築します。
さまざまなソースからのドキュメントを互いに関連付ける
Python NLTK と IBM Data Science Experience を利用して、複数のドキュメントのコンテンツを相互に関連付けます。
Facebook の利用データから隠れた洞察を発見する
Jupyter Notebook で PixieDust を使用してコグニティブ・データ分析の力を活用します。
Watson のテキスト分類を拡張する
Python NLTK ツールキットと IBM DSX を使用して、必要とするテキスト分類結果を実現します。
非構造化データから個人データを採取する
Watson Natural Language Understanding と Watson Knowledge Studio を利用してカスタム・モデルを作成する
Swift を使用して Hacker News の非構造化データを解釈する
コグニティブ API を使用して、ひねりの効いた Hacker News で技術トレンドに関する洞察を得ます。
機械学習アルゴリズムのトレーニングを高速化する
IBM PowerAI 上で Google TensorFlow を使用して、機械学習アルゴリズムを迅速にトレーニングします。
Swift を使用してコグニティブ・レコメンデーション・アプリを構築する
Swift ベースのモバイル・チャットボットを構築して、お勧め、予約、およびイベント計画を提供します。