-IBM宣布源自ProjectDebater的一些关键技术首次商业化；
-将新的能力集成至IBMWatson，以支持企业开始挖掘和分析人类语言中某些最具挑战性的方面
年3月11日，商业人工智能领域领军者IBM宣布推出几项全新的IBMWatson技术，旨在帮助组织机构更清晰地识别、理解和分析英语语言中某些最具挑战性的方面，从而获取更多洞察。
全新的IBMWatson技术代表着ProjectDebater所提供的关键自然语言处理（NaturalLanguageProcessing，NLP）能力首次实现商业化，ProjectDebater由IBM研究院（IBMResearch）研发，是目前唯一一个能够就复杂话题与人类展开辩论的人工智能系统。在此次推出的技术中，IBM首次界定了一项新型高级情绪分析能力，以识别及分析习惯用语和口语化表达。对于人工智能系统而言，识别诸如“hardlyhelpful（几乎没有帮助）”或“hotunderthecollar（怒气冲天）”之类的短语一直是一项挑战，因为它们难以被算法识别。通过高级情绪分析，企业可以使用Watson应用程序接口（API）来分析此类语言数据，从而更全面地了解自身运营情况。此外，IBM还将IBM研究院的技术应用于理解诸如PDF文档和合同之类的商业文档，并将这些技术添加到IBM人工智能模型当中。
IBMDataandAI总经理RobThomas表示，“语言既是表达思想和观点的工具，也是传递信息的工具。正因如此，我们将ProjectDebater中获取的技术集成到Watson，我们相信NLP将增强企业从人类语言中采集、分析和理解信息的能力，这将有助于企业更好地利用蕴含在数据中的智慧资产。”
今天，IBM宣布，计划将在全年致力于将ProjectDebater技术集成至Watson，并侧重于提高客户使用自然语言的能力：
A、分析—高级情绪分析（AdvancedSentimentAnalysis）。IBM增强了情绪分析能力，能够更好地识别和理解复杂的单词组合，比如像包含短语和表达的习惯用语以及所谓的情绪转换词组（sentimentshifter），即由不同单词组成但却呈现新含义的单词组合，例如“hardlyhelpful（几乎没有帮助）”。该技术将于本月整合至WatsonNaturalLanguageUnderstanding。此外，我们还宣布了一项新的分类技术，借助该技术，客户将能创建人工智能模型，更轻松地分类采购合同等商业文档中出现的条款。利用ProjectDebater中的基于深度学习的分类技术（deeplearning-basedclassificationtechnology），该新能力可从仅数百个示例中学习，进而快速、轻松地执行新分类。该技术计划将于今年晚些时候添加至WatsonDiscovery。
B、摘要提炼—总结（Summarization）。该技术可从各种来源中提取文本数据，为用户就与特定主题相关的口头和书面言论提炼一份摘要。今年的格莱美颁奖礼通过Summarization的一个早期版本分析了超过1,万篇文章、博客和个人档案，以提炼关于数百名格莱美艺术家和名人的细微洞察。随后，该数据被应用到
转载请注明：http://www.0431gb208.com/sjszlff/2636.html
