NLP-Berater

Beispiele dafür, was ein NLP-Berater tun kann

Beispiele für geschäftliche Anwendungen der Verarbeitung natürlicher Sprache sind:

• Natürliches Sprachverständnis
• Textgenerierung mit LLMs wie LLaMa oder GPT-4 : Wir alle haben GPT im Browser verwendet. Aber NLP-Berater können benutzerdefinierte LLMs mit einem domänen- oder sprachspezifischen Korpus trainieren, Prompt Engineering verwenden, um ein LLM dazu zu bringen, eine domänenspezifische Aufgabe auszuführen , wie z. B. Fragen zum englischen Insolvenzrecht zu beantworten , oder die von einem LLM zurückgegebenen Daten wie Token-Scores nutzen, um Perplexität zu berechnen, festzustellen, ob ein Text von einem LLM geschrieben wurde, oder Plagiate zu erkennen.
• Identifizieren des Autors eines unbekannten Textes (forensische Stilometrie)
• Natürlichsprachliche Dialogsysteme – entwickeln Sie beispielsweise einen mehrsprachigen Chatbot speziell für ein Unternehmen und eine Domäne mit detaillierten Kenntnissen einer bestimmten Produktpalette. Wir können modernste Large Language Models (LLMs) wie GPT-3 nutzen oder sogar unser eigenes LLM trainieren.
• Textanalyse – welche Moleküle wurden in einer biowissenschaftlichen Arbeit verwendet? Wie viele Probanden nahmen an einer klinischen Studie teil? Wie viele Ärzte waren der Meinung, dass es eine Wechselwirkung zwischen Medikament A und Medikament B gibt?
• Mehrsprachige Modelle, die Umfragedaten aus verschiedenen Ländern verarbeiten können
• Prädiktive Modelle basierend auf Texteingaben
• Themenanalyse – Clustern, Finden ähnlicher Dokumente
• Domänenspezifische Erkennung benannter Entitäten, wie z. B. Erkennung und Verknüpfung benannter Entitäten für Arzneimittel , Erkennung benannter Entitäten für Unternehmen oder Erkennung und Verknüpfung benannter Entitäten für Länder .
• Dokumentenklassifizierung: Handelt es sich bei einer eingehenden E-Mail um eine Aufforderung zur Adressänderung, zur Abmeldung eines Unternehmens oder um eine Anfrage für eine Mehrwertsteuerrechnung ? Handelt es sich bei einer Kundenbeschwerde um ein hohes Risiko und muss diese sofort bearbeitet werden, oder hat sie eine niedrigere Priorität (Triage)?
• Dokumentbasierte Empfehlungssysteme
• Unstrukturierte Datenanalyse
• Anonymisierung von Dokumenten: Können wir alle DSGVO- oder HIPAA-sensiblen Daten aus einer PDF-Datei entfernen? Können wir ein maschinelles Lernmodell anhand sensibler Daten trainieren ?

Was würde ein NLP-Berater im Gesundheitswesen tun?

KI und natürliche Sprachverarbeitung werden im gesamten Gesundheitssektor zunehmend eingesetzt. Diese Technologie wird manchmal als Healthtech oder MedTech bezeichnet. NLP wird verwendet, um klinische Berichte zu vergleichen und Änderungen darin zu erkennen, klinische Konzepte wie MeSH-Begriffe aus elektronischen Krankenakten zu extrahieren und Mensch-Maschine-Dialogsysteme in natürlicher Sprache zu entwickeln, um die Gesundheitsversorgung zu verbessern.

Wir haben an einer Reihe von Projekten im Gesundheitswesen gearbeitet, darunter:

• Ein Modell zur Vorhersage der Komplexität klinischer Studien anhand des Studienprotokolls für Boehringer Ingelheim .
• ein Modell zur Vorhersage des Risikos einer klinischen Studie aus dem Studienprotokoll für die Gates Foundation . Veröffentlicht in Wood TA und McNair D. Clinical Trial Risk Tool: Softwareanwendung mit natürlicher Sprachverarbeitung zur Ermittlung des Risikos mangelnder Studieninformativität. Gates Open Res 2023, 7:56 doi: 10.12688/gatesopenres.14416.1
• eine Desktopanwendung zur Analyse der Ergebnisse, Fachgebiete, Kooperationen und Zugehörigkeiten von Forschern mithilfe exportierter PubMed- Suchergebnisse.
• ein Modell zur Identifizierung von Forschern , die in ihrer veröffentlichten Forschung Open-Source-Moleküle ohne Angabe der Quelle verwendet haben, auch für Boehringer Ingelheim .

Welche Technologien verwendet ein NLP-Berater?

Wir arbeiten viel mit Python im Bereich der natürlichen Sprachverarbeitung. Wir haben an einer Vielzahl von NLP-Modellen gearbeitet, darunter:

• Transformatoren , einschließlich individuell trainierter Transformatoren unter Verwendung von Bibliotheken wie HuggingFace , Keras oder spaCy
• Large Language Models (LLMs) wie GPT-3.5 von Open AI, Google BARD oder ähnliche
• Bag of Words, tf*idf, Jaccard-Ähnlichkeit , Kosinus-Ähnlichkeit
• NLP-Pipelines, Lemmatisierung, Parser, Chunker
• Tiefe neuronale Netzwerke
• Convolutional Neural Networks (sowohl für Texte als auch für Bilder)
• RNN, LSTM
• Seq2seq, word2vec, doc2vec
• Sehen Sie sich eine Live-Demo eines CNN zur Autorenidentifikation an
• Clustering: Latente Dirichlet-Allokation
• Dies ist nützlich, um Themen aus einer Reihe unstrukturierter Dokumente zu extrahieren, beispielsweise juristische Dokumente, Umfrageantworten, Fabrikfehlerberichte usw.
• Suchmaschinen und Suchbegriff-Empfehlungen
• Google Cloud, AWS, Microsoft Azure, Azure Cognitive Services usw.

Natürliche Sprachverarbeitung in Python und R

Wir arbeiten mit folgenden Programmiersprachen und Frameworks:

• Python
• TensorFlow
• spassig
• Keras
• Toolkit für natürliche Sprache (NLTK)
• R

Beispiele für bisherige NLP-Beratungsaufträge

Zu den NLP-Beratungsprojekten, an denen wir für große bekannte Namen gearbeitet haben, gehören

• ein Sprachdialogsystem zur Steuerung eines Smart Homes
• ein unüberwachtes Textanalyseprogramm zur Analyse von Textbeschreibungen von Herstellungsfehlern ( Boehringer Ingelheim )
• ein Modell zur Klassifizierung der Lebensläufe von Arbeitssuchenden nach Branchen und Gehaltsgruppen ( CV-Library ).
• Analyse der Umfrageantworten und Bereitstellung öffentlicher NLP-Dashboards, die es der Öffentlichkeit ermöglichen, Textdatensätze zu analysieren und zu untersuchen ( White Ribbon Alliance )