Ir al contenido

PolyAnalyst

De Wikipedia, la enciclopedia libre
PolyAnalyst
Información general
Tipo de programa report generator
Autor Megaputer Intelligence
Lanzamiento inicial 1994
Información técnica
Plataformas admitidas Microsoft Windows

PolyAnalyst es una plataforma de software de ciencia de datos desarrollada por Megaputer Intelligence que proporciona un entorno para minería de texto, minería de datos, aprendizaje automático y análisis predictivo . Megaputer lo utiliza para crear herramientas con aplicaciones para el cuidado de la salud, la gestión empresarial, los seguros y otras industrias. PolyAnalyst también se ha utilizado para el pronóstico y la investigación científica de COVID-19 . La interfaz gráfica de usuario de PolyAnalyst contiene nodos que se pueden vincular a un diagrama de flujo para realizar un análisis. El software proporciona nodos para la importación de datos, la preparación de datos, la visualización de datos, el análisis de datos y la exportación de datos .[1][2]​ PolyAnalyst incluye funciones para agrupación de texto, análisis de opiniones, extracción de hechos, palabras clave y entidades, y la creación de taxonomías y ontologías . Polyanalyst admite una variedad de algoritmos de aprendizaje automático, así como nodos para el análisis de datos estructurados y la capacidad de ejecutar código en Python y R.[3][4]​ PolyAnalyst también actúa como un generador de informes, lo que permite que personas que no sean analistas puedan ver el resultado de un análisis. Utiliza un modelo cliente-servidor y está licenciado bajo un modelo de software como servicio .

Descripción general

[editar]
Nodes are linked to form a directed acyclic graph in PolyAnalyst's GUI.
Una captura de pantalla de un diagrama de flujo de PolyAnalyst que muestra el uso de un nodo de red neuronal convolucional .

Aplicaciones de negocios

[editar]

Seguro

[editar]

PolyAnalyst se utilizó para crear una herramienta de predicción de subrogación que determina la probabilidad de que un reclamo sea subrogable y, de ser así, la cantidad que se espera recuperar. La herramienta funciona clasificando las reclamaciones de seguros en función de si cumplen o no los criterios necesarios para una subrogación exitosa.[5]​  PolyAnalyst también se utiliza para detectar fraudes de seguros.[6]

Cuidado de la salud

[editar]
A heat map of the US
Un mapa de calor que muestra el pronóstico COVID-19 de Megaputer

Las compañías farmacéuticas utilizan PolyAnalyst para ayudar en la farmacovigilancia . El software se utilizó para diseñar una herramienta que relaciona las descripciones de los eventos adversos con sus códigos MedDRA adecuados, determina si los efectos secundarios son graves o no graves y configura los casos para un seguimiento continuo si es necesario.[7]​ PolyAnalyst también se ha aplicado para descubrir nuevos usos para medicamentos existentes mediante la extracción de texto ClinicalTrials.gov[8]​ y para pronosticar la propagación del virus COVID-19 en los Estados Unidos y Rusia.[9][10]

Administración de Empresas

[editar]

PolyAnalyst se utiliza en la gestión empresarial para analizar los comentarios escritos de los clientes, incluidos los datos de revisión de productos, las reclamaciones de garantía y los comentarios de los clientes.[11]​ En un caso, se utilizó PolyAnalyst para crear una herramienta que ayudó a una empresa a monitorear las conversaciones de sus empleados con los clientes al calificar sus mensajes según factores como profesionalismo, empatía y corrección de la respuesta. La empresa informó a Forrester Research que esta herramienta les había ahorrado 11,8 millones de dólares al año.[12]

Supercomputadora SKIF Cyberia

[editar]

PolyAnalyst se ejecuta en la Supercomputadora SKIF Cyberia en la Universidad Estatal de Tomsk, donde se pone a disposición de los investigadores rusos a través del Centro de Uso Colectivo (CCU). Los investigadores del centro utilizan PolyAnalyst para realizar investigaciones científicas y gestionar las operaciones de sus universidades.[13]​ En 2020, investigadores de la Universidad Estatal de Vyatka (en colaboración con la CCU) realizaron un estudio en el que se utilizó PolyAnalyst para identificar y llegar a las víctimas de violencia doméstica a través del análisis de las redes sociales . Los investigadores rastrearon la web en busca de mensajes que contuvieran descripciones de abuso y luego clasificaron el tipo de abuso como físico, psicológico, económico o sexual. También construyeron un chatbot para contactar a las víctimas de abuso identificadas y derivarlas a especialistas según el tipo de abuso descrito en sus mensajes. Los datos recopilados en este estudio se utilizaron para crear el primer corpus en ruso sobre violencia doméstica.[14][15]

Véase también

[editar]

Referencias

[editar]
  1. Apicella, Mario (3 de julio de 2000). «PolyAnalyst 4.1 digs through data for gold». Info World. 
  2. Zhang, Qingyu; Segall, Richard S. (1 de diciembre de 2008). «Web mining: a survey of current research, techniques, and software». International Journal of Information Technology & Decision Making 7 (4): 683-720. ISSN 0219-6220. doi:10.1142/S0219622008003150. 
  3. Zhang, Qingyu; Segall, Richard S. (1 de enero de 2010). «Review of data, text and web mining software». Kybernetes 39 (4): 625-655. ISSN 0368-492X. doi:10.1108/03684921011036835. 
  4. Zhang, Qingyu; Segall, Richard S. (2010), «Commercial Data Mining Software», en Maimon, Oded; Rokach, Lior, eds., Data Mining and Knowledge Discovery Handbook (en inglés) (Boston, MA: Springer US): 1245-1268, Bibcode:2010dmak.book.1245Z, ISBN 978-0-387-09823-4, doi:10.1007/978-0-387-09823-4_65, consultado el 3 de octubre de 2020 .
  5. «Megaputer Intelligence». big-data.insuranceciooutlook.com. Consultado el 21 de septiembre de 2020. 
  6. Wang, John; Yang, James G.S. (2009). «Data mining techniques for auditing attest function and fraud detection». Journal of Forensic & Investigative Accounting 1 (1): 1-24. 
  7. «Life sciences: Increasing speed-to-insight in pharma». kmworld.com. Consultado el 22 de septiembre de 2020. 
  8. Su, Eric Wen; Sanger, Todd M. (23 de marzo de 2017). «Systematic drug repositioning through mining adverse event data in ClinicalTrials.gov». PeerJ (en inglés) 5: e3154. ISSN 2167-8359. PMC 5366063. PMID 28348935. doi:10.7717/peerj.3154. 
  9. «COVID-19: Megaputer provides interactive geo-map to forecast peak of active cases in U.S.». thegeospatial (en inglés). 29 de abril de 2020. Consultado el 30 de septiembre de 2020. 
  10. «В России представили модели пика заболеваемости COVID-19 в регионах». РБК (en ruso). Consultado el 24 de septiembre de 2020. 
  11. Richard S. Segall; Qingyu Zhang. «Web Mining of Hotel Customer Survey Data». Systemics, Cybernetics and Informatics 6 (6): 23-29. 
  12. Evelson, Boris (10 de noviembre de 2015). «Vendor Landscape: Big Data Text Analytics». Forrester. 
  13. редакция, Любимая. «В ТГУ открылся Центр коллективного пользования платформой для аналитики big data». Томский Обзор (en ruso). Consultado el 26 de febrero de 2021. 
  14. «Ученые ВятГУ совместно с компанией Мегапьютер Интеллидженс разработали чат-бот для помощи жертвам супружеского насилия - Официальный сайт ВятГУ». vyatsu.ru. Consultado el 26 de febrero de 2021. 
  15. «Суперкомпьютер помогает находить в интернете жертв домашнего насилия | iot.ru Новости Интернета вещей». iot.ru. Consultado el 26 de febrero de 2021.