【百道编按】在一家成熟的大型企业内部引入新技术可能会很困难，但学术出版公司泰勒-弗朗西斯并未因此却步，他们与AI创业公司合作，目标是基于在线用户已经阅读的内容向他们推荐其他内容，最终实现让任何内容都能通过机器学习与知识网络建立语义联系。
Taylor Francis Online在线期刊论文查找平台
领先的学术出版商泰勒-弗朗西斯（Taylor & Francis）正在开发自然语言处理技术，帮助机器理解其书籍和期刊，目的是丰富客户的在线体验，同时开发新的工具提升公司的运营效率。在一家成熟的大型企业内部引入新技术可能会很困难，因此，泰勒-弗朗西斯选择与丹麦人工智能初创公司UNSILO合作。
第一步是从所有学术领域的文本中提取主题和概念，基于在线用户已经阅读的内容向他们推荐其他内容，使其更容易发现新的研究。之后再丰富语义内容，以便在相关领域进行更大的改进，比如相关性、更好的搜索，以及寻找特定主题的同行评审者和专家。
泰勒-弗朗西斯技术团队软件架构师尼古拉斯•杰西（Nicolas Jessus）说， 过去几年中，简化出版的技术已经取得了很大的进步，带来了颠覆性破坏。他们留心观察了各个出版玩家和竞争对手是如何处理这个问题的，随后注意到很多问题都是通过蛮力算法解决的，比如关联搜索，或者在大盒子里进行内容分类。但杰西团队认为最好的改进方法是利用自然语言处理和机器学习，教授机器语义模型，让它理解信息。
团队从一开始就关注终端用户，试图提出相关的书籍建议。现在他们开始将努力的方向转向内部，希望从根本上提升内部工具的效率。
在企业内部应用新技术并在不断测试中变得更加敏捷，过程中难免会遇到挑战。杰西提到，“我们一直在调整结构，努力加快创新，但目前还在使用一些一时难以淘汰的传统软件，其中一些是针对行业标准的工作流量身定制的，但很快就落伍了。”
团队的终极目标是让泰勒-弗朗西斯所生产的任何内容都能通过机器学习与知识网络建立语义联系——“与学术世界中的每一件事和每一个人关联”。
杰西认为， 像任何其他事情一样，创新并没有什么特别之处——它涉及到如何把资源、人员和想法整合起来再进行分工。如果空有一腔英雄主义的想法，却没有为奋斗做好准备，那就只能算是耍嘴皮子。
（本文编辑 晨瑾）
发表评论前，请先[点此登录]