NLP & LINGUAGGIO

BERT

NLP & Linguaggio

Definizione

BERT (Bidirectional Encoder Representations from Transformers) e un modello linguistico sviluppato da Google che comprende il contesto di una parola guardando sia a sinistra che a destra nel testo. E particolarmente efficace per compiti di comprensione come classificazione, risposta a domande e ricerca semantica. Molti sistemi di ricerca aziendale usano BERT dietro le quinte.

Termini correlati

AI Fondamentali

Transformer

Il Transformer e l'architettura di rete neurale introdotta da Google nel 2017 che ha rivoluzionato l'AI. Utilizza un meccanismo chiamato 'attenzione' per processare sequenze di dati in parallelo, anziche in modo sequenziale. Praticamente tutti i modelli linguistici moderni (GPT, Claude, Gemini, LLaMA) sono basati su questa architettura.

NLP & Linguaggio

NLP (Natural Language Processing)

L'NLP e il campo dell'AI che si occupa dell'interazione tra computer e linguaggio umano. Include compiti come analisi del sentiment, estrazione di entita, traduzione automatica e generazione di testo. Per le PMI, l'NLP permette di automatizzare l'analisi di email, recensioni clienti, documenti legali e comunicazioni interne.

NLP & Linguaggio

Word Embedding

Un word embedding e una rappresentazione vettoriale di una parola che ne cattura il significato semantico e le relazioni con altre parole. Parole con significati simili hanno vettori vicini. Word2Vec e GloVe sono stati tra i primi modelli di word embedding. Oggi i modelli contestuali (BERT, GPT) generano embedding che variano in base al contesto della frase.

ESPLORA

Altri termini in NLP & Linguaggio

NLP (Natural Language Processing)

Sentiment Analysis

La sentiment analysis e la tecnica NLP che determina automaticamente il tono emotivo di un testo: positivo, negativo o neutro. Le aziende la usano per monitorare le recensioni dei clienti, analizzare il sentiment sui social media riguardo al brand e identificare rapidamente problemi di soddisfazione. Puo essere applicata a migliaia di testi in pochi secondi.

Named Entity Recognition (NER)

La NER e una tecnica NLP che identifica e classifica automaticamente entita come nomi di persone, aziende, luoghi, date e importi monetari all'interno di un testo. In ambito aziendale, si usa per estrarre informazioni chiave da contratti, fatture, email e documenti legali, risparmiando ore di lavoro manuale nella data entry.

Tokenizzazione

La tokenizzazione e il processo di suddivisione di un testo in unita piu piccole (token) che il modello AI puo elaborare. Diversi modelli usano strategie diverse: alcuni dividono per parole, altri per sotto-parole. Capire la tokenizzazione aiuta a stimare i costi API (calcolati per token) e a ottimizzare i prompt per rimanere nei limiti della context window.

Classificazione Testo

La classificazione del testo e il compito di assegnare automaticamente una o piu categorie a un documento. Applicazioni pratiche includono: smistare ticket di supporto per priorita, catalogare email per reparto, classificare documenti contabili per tipo. I modelli moderni raggiungono precisioni superiori al 95% su molti compiti di classificazione aziendale.

Estrazione Informazioni

L'estrazione di informazioni e il processo automatico di identificare e strutturare dati rilevanti da testi non strutturati. Per esempio, estrarre numeri d'ordine, date di consegna e importi da email dei fornitori, o dati anagrafici da documenti scansionati. Riduce drasticamente il tempo di data entry e gli errori umani nelle PMI.

Vedi tutti i termini del glossario →

Vuoi applicare l'AI nella tua azienda?

Parla con noi. La prima call e gratuita e senza impegno.

Prenota una call