Ein Unternehmen speichert Dokumente in Amazon S3, hat aber keine vordefinierten Produktkategorien. Ein Data Scientist muss ein Modell erstellen, um Produktkategorien für alle Dokumente mit maximaler betrieblicher Effizienz abzuleiten. Welche Lösung ist die betrieblich effizienteste?

Das Trainieren eines SageMaker Neural Topic Model (NTM) ist die betrieblich effizienteste Lösung, da NTMs speziell für die Entdeckung latenter Themen (Produktkategorien) in großen Textkorpora entwickelt wurden. Sie sind vollständig verwaltet in SageMaker, was den operativen Aufwand minimiert. Die Tokenisierung und Verwendung von k-means ist eine Option, aber NTMs sind für Textdaten oft leistungsfähiger und einfacher zu implementieren als ein manuell erstellter k-means-Workflow. BlazingText ist primär für Wort-Embeddings und Textklassifizierung gedacht, nicht für die Entdeckung unstrukturierter Themen. Ein benutzerdefiniertes Clustering-Modell in einem Docker-Container erfordert erheblich mehr Entwicklungs- und Wartungsaufwand und ist daher weniger betrieblich effizient.