Read in English

Kein Tag vergeht, ohne dass Technikgrößen Ihre künstlichen Intelligenzlösungen anpreisen. Um herauszufinden, wer wirklich die Nase vorn hat, haben wir die führenden Textanalyselösungen von Amazon, Google, IBM und Microsoft einem direkten Leistungsvergleich mit Leikis semantischer künstlicher Intelligenzlösung unterzogen.

Der überwiegende Großteil aller Onlineinhalte kommt heute in Kurztextform vor. Videos mit Kurztiteln, Tweets und Instagramposts sind weitverbreitet, werden aber leider, wenn auch kommerziell wertvoll, von automatisierten Systemen nur unzureichend verstanden. Ein inhaltliches Verständnis dieser Kurztexte ist eine notwendige Bedingung sowohl für Inhaltssuchen, als auch für die Zielgruppendatenanalyse der entsprechenden Contentklassen. Wir haben fünf unterschiedliche Kurztext-Strings in einem direkten Leistungsvergleich von fünf verschiedenen Angeboten analysieren lassen.

Leikis SmartProfiles Lösung lieferte für alle Textstrings die höchste Anzahl an Kategoriezuordnungen von durchschnittlich 16,2 Kategorien pro 2-4 Wort langem Textstring. Leiki erzielte dabei auch die geringste Anzahl an inkorrekten Kategorisierungen (0) im Testumfeld.

 

Textanalyselösungen im Vergleich

  • Leiki – SmartProfiles
  • IBM – Watson Natural Language Understanding
  • Microsoft – Azure Text Analytics
  • Google – Cloud Natural Language
  • Amazon – Comprehend

Getestete Textstrings

  • Keith Richards
  • Champagne Glass
  • Payment Card Readers
  • Marathon Running Shoes
  • Macaroni and Cheddar Cheese

Anzahl der auf Basis von Kurztextbeispielen durch die jeweiligen Lösungen zutreffend klassifizierten inhaltlichen Kategorien

 

Die Ergebnisse von IBMs Watson Natural Language Understanding Lösung sind ein gutes Beispiel dafür, dass ein rein maschineller Lern-Ansatz, der ausschließlich auf einem mechanischen Vergleich der Worte, nicht ihrer Inhalte, aus den verschiedenen Artikeln beruht, nicht an ein adäquates inhaltliches Textverständnis hinreicht. Dennoch schneidet die Lösung, wenn auch mit einigem Abstand, mit durchschnittlich fünf korrekt zugeordneten Kategorien und zwei inkorrekt zugeordneten Kategorien im Marktumfeld mit am besten ab.

Die Analyse des Textstring “Champagne Glass” zum Beispiel wird korrekt den Kategorien Food and drink / beverages / alcoholic beverages / wine und Art and entertainment / visual art and design / design; zugeordnet. Bezüge zu Stemware oder Tableware werden hingegen nicht erkannt. Die Kategorisierung von “Champagne Glass” als flowers / “Blumen” ist inkorrekt.

Google Cloud Natural Language Angebot bietet keine semantische Analyse von Kurztexten an. Es kann aus manchen Kurztexten Begriffe und Einstellungen extrahieren. Längere Artikel werden an Hand von 700+ Kategorien, im Gegensatz zu Leikis 200.000+ Kategorien starker Ontologie, erfasst. Microsoft Azure und Amazon Comprehend bieten ebenfalls keine semantische Analyse an.

 

Semantisches Textverständnis – Leiki in Führung

Leikis SmartProfiles semantische Textanalyselösung führt im Marktumfeld deutlich. Präzision und Flexibilität der Lösung machen insbesondere bei Anwendung als inhaltliche Empfehlungsengine und bei der Zielgruppensegmentierung einen entscheidenden Unterschied. So kann Leiki einzigartig genau zu Texten in Langform die jeweils relevantesten Videos zur Ausspielung empfehlen.

Semantische Verständnis heißt dabei, dass Leiki kein Keyword-Matching durchführen muss, um zu verstehen, welche Inhalte, welchen Themen zuzuordnen sind.

Hier Leikis Live-Demo auf Deutsch ausprobieren