基于人工智能的业务领先产生的审查:Scrapus作为一个案例研究

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 数据科学数据科学数据科学

背景情况:

• 越来越多的开放式网络数据为企业对企业 (B2B) 潜在客户提供了重大机会.
• 自动化从非结构化的网络内容中发现和合格的潜在客户是具有挑战性的,需要集成的网络抓取,信息提取和分析.

研究的目的:

• 审查人工智能 (AI) 方法用于自动化的B2B领先产品.
• 介绍Scrapus,一个人工智能驱动的平台,将这些方法统一为端到端的自动化勘探.
• 根据基线方法评估Scrapus的性能.

主要方法:

• 该研究审查了包括网络挖掘,集中抓取,实体解析和文本总结在内的AI技术.
• 斯克拉普斯使用强化学习来进行网络抓取,基于变压器的自然语言处理 (NLP) 来进行数据提取,以及知识图来进行丰富.
• 该平台使用大型语言模型来生成潜在客户概要,并将结果与理想的客户配置文件相匹配.

主要成果:

• 在发现率,提取精度和资格方面,Scrapus显著优于基线方法,达到约90%的精度和回忆.
• 强化学习导致来自网络爬虫的相关产量增加了约3倍.
• 基于变压器的NLP显著增加了提取F1分数,从0.77到0.92.

结论:

• 结合强化学习,基于变压器的NLP和知识增强分析,有效地自动化了B2B领先的生成.
• 斯克拉普斯展示了新一代智能销售前工具,增强了人类的专业知识.
• 人工智能技术可以在规模上识别和吸引B2B客户,提高效率和有效性.