Azure Machine Learning Studio提供一款瑞士軍刀般的出色工具，能夠以強(qiáng)大且高效的方式對(duì)文本數(shù)據(jù)集進(jìn)行操作。舉例來說，其中的一套內(nèi)置模塊可應(yīng)用于語言檢測(cè)及文本預(yù)處理等較低級(jí)別任務(wù)，用于實(shí)現(xiàn)案例標(biāo)準(zhǔn)化、停止詞刪除、詞干提取與詞匯化等常見清理步驟。建立在此基礎(chǔ)之上的則為更為完整的模塊集合，能夠通過散列或TF-IF等指標(biāo)將預(yù)處理文本轉(zhuǎn)換為N-gram，同時(shí)跳過其中的數(shù)字特征。在建立起一組數(shù)字特征后，您即可利用Azure ML中的任何一套現(xiàn)有學(xué)習(xí)算法根據(jù)需求建立起分類、回歸、推薦或者聚類模型。

　　除了使用N-gram功能進(jìn)行模型訓(xùn)練之外，大家還可以利用一組強(qiáng)大的模塊通過預(yù)訓(xùn)練模型完成實(shí)體與關(guān)鍵詞提取等任務(wù)，并反過來利用這些提取信息依次構(gòu)建不同類型的特征。

　　Azure ML在自身文本分析功能當(dāng)中廣泛應(yīng)用強(qiáng)大的Vowpal Wabbit（簡(jiǎn)稱VW）庫。例如，潛在狄利克雷分析模塊即利用VW構(gòu)建主題模型或者大規(guī)模數(shù)據(jù)集。由于VW本身擁有大量算法調(diào)整選項(xiàng)，因此能夠切實(shí)滿足各類學(xué)習(xí)任務(wù)的需求; VM高級(jí)用戶亦可在命令行界面當(dāng)中直接使用我們的打包工具，同時(shí)公開全部選項(xiàng)以最大程度實(shí)現(xiàn)靈活性。

　　R與Python語言的開源生態(tài)系統(tǒng)還提供一系列不同類型的工具，用于實(shí)現(xiàn)不同（或者指向特定領(lǐng)域）格式文本的閱讀與解析任務(wù)。例如，R中的tm包可執(zhí)行案例標(biāo)準(zhǔn)化與詞干提取等文本預(yù)處理任務(wù)，Python中的NLTK模塊則能夠完成從預(yù)處理到語音片段標(biāo)記、再到分類與聚類模型構(gòu)建等一系列文本分析工作。Azure ML允許大家在實(shí)驗(yàn)過程當(dāng)中輕松運(yùn)用這些來自大型生態(tài)系統(tǒng)的卓越功能。舉例來說，Python 2.7.11與3.5環(huán)境就已經(jīng)預(yù)先配置來自NTLK的全部語料庫與模型。

　　而這些功能還擁有另一項(xiàng)更為強(qiáng)大的特性，即允許用戶以任意方式對(duì)其加以給，從而立足文本數(shù)據(jù)構(gòu)建起高度靈活的機(jī)器學(xué)習(xí)管道。在Azure ML出色操作能力的支持下，您可通過數(shù)次點(diǎn)擊將這些管道轉(zhuǎn)化為生產(chǎn)就緒型Web服務(wù)，并利用其完成實(shí)時(shí)與批量評(píng)分。

　　Power BI解決方案模板迎來大升級(jí)

　　面對(duì)數(shù)量如此眾多的工具選項(xiàng)，數(shù)據(jù)科學(xué)家該如何構(gòu)建起一套能夠真正解決實(shí)際問題的端到端解決方案？

　　在今天的博文中，我們將講解為Power BI構(gòu)建必應(yīng)新聞模板的方法。必應(yīng)新聞解決方案模板可幫助您根據(jù)關(guān)注方向，將來自數(shù)百家不同消息供應(yīng)方的相關(guān)文章進(jìn)行匹配。通過構(gòu)建Azure服務(wù)自動(dòng)化管道，其可提供一套交鑰匙型解決方案，幫助客戶輕松分析新聞內(nèi)容。這套工作簿的強(qiáng)大之處在于，其能夠利用交叉過濾機(jī)制將全部許可證分析結(jié)果整合在一起。舉例來說，在必應(yīng)新聞模板當(dāng)中，用戶可以選擇主題、查看相關(guān)關(guān)鍵短語與關(guān)聯(lián)性命名實(shí)體，從而快速了解特定主題的要點(diǎn)。將這兩種AI技術(shù)加以組合，不僅構(gòu)建起一種強(qiáng)大的大型文檔庫瀏覽方案，同時(shí)亦可幫助您快速發(fā)現(xiàn)值得關(guān)注的文章。

　　這套模板中包含四種不同的復(fù)雜機(jī)器學(xué)習(xí)技術(shù)，將其整合在一起將帶來高保真分析結(jié)果。模板架構(gòu)詳見以下流程圖。

?