自然语言处理将彻底改变企业的业务

Microsoft的Cheng建议，在未来，平台将使用转录和文档分析以及图像识别来提取“会议的集体智慧”，这样在会议结束后继续工作时，就可以很容易地访问这些信息了。“你可以记录下更多正在发生的事情，然后方便地与你的团队分享，”她说。

例如，Bridgewater Associates记录了过去15年的所有内部会议，任何员工都可以观看这些录音。但由于很难搜索，他们很少会被浏览，公司现在正在使用Otter来提取旧的会议内容。

类似地，支持Azure Media Services live meeting转录的Azure Cognitive Services speech to text API也将很快能够转录上传到OneDrive的音频文件。开发人员已经可以使用这些API来构建转录应用程序，但是将这些功能直接构建到平台中将使其更广泛地被使用。

数据分析和准确性

完整的转录并不总是应用NLP最有用的结果，尽管它们可以提供一个时间线，让你通过上下文搜索找到Cheng所说的“有趣的金块”。

Otter提取了标记作为自动摘要，以指示文本中所包含的内容。IBM Watson的自然语言理解和Otter也在研究类似的工具，但是你仍然要记得查阅文字记录。2018年，Microsoft为团队展示了一个原型系统，该系统可以根据会议记录创建和分配行动项目，并向与会者分发会议记录。

从长远来看，NLP还可以为会议提供数据分析:同样的话题是否不断被提出，同样的截止日期是否不断地被推迟，某些员工是否比其他人说得更多，还是在讨论其他人。

所有这些的价值取决于转录的准确性，而对于NLP来说，准确度是一件复杂的事情。许多NLP系统在正式的基准上实现了与人类相同的性能，但它们大多是基于对话的，可能无法给你一个与你想要做的事情的准确比较。仍然没有一个单一有效的衡量标准，Cheng指出。

“我们看到人们将各种能力融合到了多模式的系统中。你可能会发现你的对话系统真的很棒，但它在搜索或混合系统方面就做得不太好了，在混合系统中，你可能会想要把说话、语言、视觉和文档结合在一起，”她说。

转录的准确性随录音质量、背景噪音、说话者的口音和人们所谈论的内容而有所变化。对于一个在安静环境中以英语为母语的人来说，Otter的Liang表示，它的准确率已经超过了95%。在实践中，你会得到一些有用的转录，但还不够完美。

无论你使用何种NLP工具，你都应该准备好投入时间来定制与你的业务相关的概念和相联系的词汇表，例如你所在行业的技术术语或你自己的产品名称，以及员工名称，以便能够正确的识别它们。

在使用NLP之前，组织需要知道什么是他们可以接受的错误水平，而不仅仅是为了捷径或探索，但是Cheng建议将重点放在端到端的体验上。

“你是如何把这些东西组合在一起，让人们真正使用，并能够帮助你的公司或客户更有效地完成某些事情的，”她问道。

“你不能承诺太多;人工智能不是魔法，虽然自然语言工具的确可以改进很多东西。你的公司现在所面临的最大问题可能是如何组织你的信息，从你所拥有的文件中获得更多价值，并让有专业知识的人来进行指导。”Cheng说。“我们现在有很多远程工作的经验，或许我们可以使用人工智能来做得更好。”

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!