Cache C o n f

CacheConf

Using iKnow for handling unstructured data

Danny Wijnschenk

Sales Engineer

Cache C o n f

Making Decisions

Cache C o n f

Making Decisions

Cache C o n f

Making Better Decisions

Cache C o n f

Why investors need unstructured data

Cache C o n f

Why investors need unstructured data

Cache C o n f

Why clinicians need unstructured data

Cache C o n f

Why clinicians need unstructured data

Cache C o n f

Unstructured Data

Cache C o n f

Unstructured Data

Cache C o n f

How?

Cache C o n f

What is iKnow

Cache C o n f

Structural

or

Analytical

Approach

Computational Linguistics: Common

Discourse Analysis: study of

document structures

Semantics: study of meaning

Syntax: study of sentence structures

Morphology: study of word forms

Data

Driven

or

Statistical

Approach

Cache C o n f

Little(Adj-s) Pete (N-s) walk(s)(V-3ps) to (prep) the(det) new(Adj-s)

bakery (N-s).

Computational Linguistics: Common

Little Pete walks to the new bakery.

S

NP((Adj-s)+(N-s)) + VP (V+PP (prep + NP ((det)+((Adj-s)+(N-s)))

Little Pete

walks

to the new bakery

Sem Roles: (Subject+Agent+Person) (NP1): Little Pete

(Act+Move)(VP): walks

(Direction)(PP): to

(Object) (NP2):the new bakery

Cache C o n f

Statistical approach ?

i.Know

Based on

breakthrough

removing

hidden in

to

knowledge

the

applications you

Cache C o n f

The iKnow Approach

iKnow

can create

можете создать

breakthrough applications

прорывные приложения

Knowledge

знаниях

unstructured text

неструктурированном тексте

based on

основанные на

hidden in

скрытых в

With iKnow you can create breakthrough applications based on knowledge hidden in unstructured text

You

вы with

С помощью

iKnow engine finds relations, all words between them are meaningfull

Wordgroups.

Cache C o n f

iKnow Building blocks

entity entity entity “breakthrough applications"

### ###

### ### #

### ### # ### # ### #

### ### # ### # ### # ###

Entities

CRCs

CCs

Paths

Sentences

Concepts and relationships

Concept-Relationship-Concept triples

Concept-Concept pairs

Concept and relation chains

‘iKnow’ ‘breakthrough applications’ ‘knowledge’ ‘unstructured text’

‘iKnow – can create - breakthrough applications’ ‘breakthrough applications – based on - knowledge’ ‘knowledge - hidden in - unstructured text’

‘iKnow – breakthrough applications’ ‘breakthrough applications – knowledge’ ‘knowledge - unstructured text’

‘iKnow – can create - breakthrough applications – based on – knowledge - hidden in - unstructured text’

Cache C o n f

Content routing, discrete data extraction, intelligent browsing, tone analysis, ...

Multi-Purpose

Uses in Healthcare, Contact Centers, Media, Real Estate, Legal, Police, ...

Domain- Independent

Simultaneous support for English, Spanish, French, Portuguese, German, Dutch, Russian,...

Multi-Lingual

No need for training, upfront knowledge, dictionaries, expert input, ...

Pro-Active

What makes iKnow Unique

Cache C o n f

iKnow Use Cases

Cache C o n f

Demo : Aviation accident reports

NTSB has aircraft accident reports with

structured data and narrative of accident

Cache C o n f

Demo : Aviation accident reports

Demo to show how

Insight from narrative text can complement

structured data (find new insight)

Use iKnow to improve or correct structured data by

analysing the narrative data

Demo shows integration iKnow with

DeepSee

Cache C o n f

Aviation Demo : ‘new’ insight More fatal accidents when wreckage is found vs

‘substantial damage’

Cache C o n f

Aviation demo:correct structured data

Pivot table shows ‘Highest Injuries’ from

structured data (Columns) vs Injury

Concepts from text (rows)

Everything above the diagonal is

suspicious : eg. 1 accident labeled

‘Serious’ in structured has a concept ‘fatal’

in text

Cache C o n f

Aviation Demo : evidence

Drill down on record shows full

narrative :

Cache C o n f

Aviation Demo: pivot analysis of cells

Analysis of ‘Fatal’ cells : green more

relevant, red less relevant

Cache C o n f

Categorisation Demo

Use most frequent concepts to quickly

scan for probable Categories

Use Similar concepts to find other causes

in same Category

Combine concepts in a Category Set

Look at highlighted source for Category

overlaps

Cache C o n f

Combine most frequent concepts + similars in a category

Categorisation Demo

Cache C o n f

View sources of overlapping Sets

Categorisation Demo

Cache C o n f

Assign Categories to records and review

Categorisation Demo

Cache C o n f

Patient Portal Demo

Use iKnow to surface concepts from notes

Use dictionaries to filter relevant medical

terms

Automatic negation detection

Highlight source text

Cache C o n f

Show frequent concepts for a patient

Patient Portal Demo

Cache C o n f

Show negation, Similar and Related Concepts, Highlight Source

Patient Portal Demo

Cache C o n f

Use dictionaries to surface relevant medical concepts

Patient Portal Demo

Cache C o n f

Find trigger concepts that predict seclusion of

patients based on doctor’s notes

Cache C o n f

Parnassia: preventing seclusion Ward list

Patient 1 High Risk

Patient 2 High Risk

Patient 3 Medium Risk

Patient 4 Medium Risk

Patient 5 Medium Risk

Patient 6 Low Risk

Patient 7

Patient 8

Patient 9

Patient 10

Patient 1

Cache C o n f

Cache C o n f

Finding structured data in text

Cache C o n f

Ranging hotels…

Cache C o n f

What we have

A number of reviews with tons of plain text and overall rating of

hotel (not neccessary)

Отель сам по себе вполне

даже нормальный, виды

красивые. Но вот заселение -

это тихий ужас! Селят в

номера соседнего отеля,

который раз в сто хуже, без

"дополнительной"

договоренности на большее

не рассчитывайте! Для 5*

отель не тянет, но и цена об

этом говорит. Пляж без урн

как таковых……

Hotel Rating 4.0

N Hotel Rating 3.98

Plus many

many texts

Cache C o n f

What we need

Clear advices, separate and proven ratings of hotels’ categories

like: comfort, food, hospitality, territory, location, service

Отель сам по себе вполне

даже нормальный, виды

красивые. Но вот заселение -

это тихий ужас! Селят в

номера соседнего отеля,

который раз в сто хуже, без

"дополнительной"

договоренности на большее

не рассчитывайте! Для 5*

отель не тянет, но и цена об

этом говорит. Пляж без урн

как таковых……

Hotel Rating 4.0

N Hotel Rating 3.98

Comfort

Food

Hospitality

Territory

Location

Service

4.12

4.47

3.71

3.88

3.90

4.08

Categories

description

Cache C o n f

How it works

Reviews

Hotel grades

Caregories grades

Short text summary of

review

Reviews quality grades

Searching for the best

and most useful reviews

Searching for similar

reviews

Excluding advertisement

reviews

Collecting data of special

units of hotel (swimming

pool, sand, drinks variety,

etc.)

Первые впечатления от отеля были

неплохие, доброжелательный русскоязычный

персонал на рецепшене, сразу заселили в

номер (нестандарт, так как других не было),

территория хорошая. Через 2 дня

переселили в стандартный номер, даже

почти с видом на море. Полотенца от

предыдущих отдыхающих грязные просто

сложили на полку - пошли на рецепшен

сказали к 21. Номер не убирали, только

одеяло на кровати складывали, полотенца и

дальше не менялись, даже бумагу

туалетную не ложили! Номер убрали,

бумагу повесили, полотенца и ДАЖЕ

ПОСТЕЛЬ поменяли!

Через день к нам присоединилась

моя подруга с дочкой(6 лет). Моей

старшей дочке (16 лет) всё

понравилось, а особенно анимация.

Нас с мужем и сыном (3 года)почти

всё устроило, кроме кухни и

обслуживания. Малой постоянно

заливал соком простыни, и поэтому

нам их меняли каждый день. Так что

по поводу проживания нас всё

устроило.

Отель сам по себе

вполне даже

нормальный, виды

красивые. Но вот

заселение - это

тихий ужас!

Селят в номера

соседнего отеля,

который раз в

сто хуже, без

"дополнительной"

договоренности

на большее не

рассчитывайте!

Для 5* отель не

тянет, но и цена

об этом говорит.

Пляж без урн как

таковых, поэтому

мусора хватало(((

Рядом был

немецкий отель

тоже 5* - земля и

небо!

iKn

ow

Dictionaries

Cache C o n f

Rating correlation results R

atin

g

Hotel

User

iKnow

Algorithm Correlation

value

Sentence + Negation 79%

Sentence – Negation 84%

Path + Negation 78%

Path - Negation 79%

Cache C o n f

Auxipress

Media monitoring and analyses solutions

to take better strategic decisions and to

achieve your business goals

Aggregates written press, website, radio,

television and social media

4,000,000 web pages; 10,000,000 press

articles; 1,000,000 Radio/TV/Web TV files

Cache C o n f

Horse-Gate scandal media analysis

iKnow @ AuxiPress

Cache C o n f

Flow

iKnow

Cache C o n f

eBook summary

Cache C o n f

Related books based on content

Cache C o n f

And more …

Summarize sources

Cache C o n f

And more …

Tag Clouds

Cache C o n f

Technical …

iKnow is a toolset where you can Index a source to get the ‘building blocks’

Use api’s to get indexing results

Caché Object Script code

SQL Stored procedures

REST / JSON

Use iKnow in Caché or as a blackbox

(sources in, building blocks out) for other

NLP tools

Cache C o n f

Questions?