准确性是关键标准也是关键挑战

准确性对于所有用户来说都是至关重要的NLP 技术，但尤其是在 准确性是关键标准也是  受到严格监管的行业，例如医疗保健和金融服务，合规性和安全性至关重要。因此，超过 40% 的受访者将准确性列为评估 NLP 库的最重要标准，这并不奇怪。话虽如此，准确性也是所有受访者提到的最常见挑战。对于处于采用 NLP 各个阶段的组织来说都是如此，从使用 NLP 的组织（21%）到探索 NLP 的组织（31%）。此外，51% 的受访者认为准确性是流行 NLP 云服务（如亚马逊和谷歌）用户 准确性是关键标准也是  面临的主要挑战。

 NLP 云服务满足市场需求缓慢

继续讨论云服务，77% 的受访者表示他们至少使用调查 手机号码数据 中列出的四种 NLP 云服务（Google、AWS、Azure、IBM）中的一种，其中 Google 的服务位居榜首。Google Cloud 在仍处于采用早期阶段的受访者中特别受欢迎。尽管云服务很受欢迎，但受访者认为成本是另一个主要挑战，此外还有对可扩展性的担忧，因为许多 NLP 应用程序依赖于特定领域的语言使用，而云提供商在满足这些市场需求方面进展缓慢。

 Spark NLP 和 SpaCy 获选最受欢迎

超过一半的受访者（53%）使用了两个顶 有机流量：企业成功的秘诀 级库中的至少一个：Spark NLP 和spaCy，三分之一的受访者表示他们使用 Spark NLP，使其成为调查中最受欢迎的库。这在几个关键行业领域略有不同：医疗保健（Spark NLP）、技术（spaCy）、金融 非 印度尼西亚号码列表 线性 服务（nltk）。鉴于 John Snow Labs 专门为医疗保健用户创建了 Spark NLP，行业偏好并不令人惊讶。令人惊讶的是，一个新手（3 年历史）的库占据了医疗保健垂直领域的一半以上——这是一个通常发展较慢的行业，拥有成熟的竞争对手。