文章概要:

85%的軟件購買者信任在線評論，但多渠道評論數據難以處理。Amazon SageMaker Canvas提供了无代码機器學習解決方案，可幫助企業從産品評論中獲得有價值的洞見。

SageMaker Canvas是专为业务分析师设计的工具，可用于对表格数据进行即席分析，不需要编写代码或機器學習专业知识。它提供了现成的AI模型和自定義模型解決方案。

站長之家（ChinaZ.com）10月10日 消息:根据Gartner的数据，85%的软件购买者信任在线评论，就像他们信任个人推薦一样。顾客提供了关于他们购买的产品的反馈和评论，这些反馈来自多种渠道，包括评论网站、供应商网站、销售电话、社交媒体等。然而，随着多渠道评论数据的增加，企业需要寻找一种方法来处理和分析这些数据，以获取有价值的洞见。这就是Amazon SageMaker Canvas发挥作用的地方。

Amazon SageMaker Canvas是一个专为业务分析师设计的工具，它允许用户在不编写代码或需要機器學習专业知识的情况下，对表格数据进行即席分析。该工具提供了现成的人工智能模型和自定义模型解决方案，以满足不同的业务需求。使用SageMaker Canvas，用户可以生成准确的機器學習预测，无论是互动性的预测还是对大规模数据集的批处理评分。

Amazon SageMaker Canvas如何进行情感分析和文本分析，以从产品评论中获得有价值的信息呢?首先，使用情感分析模型来确定产品评论的情感，然后，将训练一个自定义文本分析模型，以根据产品类型对评论进行分类。

情感分析是一種自然語言處理模型，用于分析文本的情感。它可以幫助企業了解顧客對其産品的情感是積極的、消極的、混合的還是中性的。另一方面，文本分析模型可以幫助企業根據文本的內容將評論分類爲不同的産品類型，從而更好地理解顧客對不同産品的看法。

使用Amazon SageMaker Canvas，企业不再需要拥有機器學習专业知识或雇佣数据科学家来进行这些任务。业务分析师可以轻松地使用这个无代码機器學習工具，从产品评论中获取有关客户情感和产品分类的有用信息，以指导业务决策和改进产品和服务。不仅如此，SageMaker Canvas还提供了完整的自定义模型训练流程，以适应特定的业务需求。

Amazon SageMaker Canvas使业务分析师能够轻松进行无代码機器學習，从而从产品评论中获得宝贵的洞见，提升产品质量，满足客户需求，推动业务增长。不需要機器學習专业知识，任何企业都可以受益于这个强大的工具，提高竞争力并提供更好的客户体验。

項目網址：https://aws.amazon.com/cn/blogs/machine-learning/use-no-code-machine-learning-to-derive-insights-from-product-reviews-using-amazon-sagemaker-canvas-sentiment-analysis-and-text-analysis-models/

（舉報）