概览
“使用机器学习发现热门话题”解决方案可确定与产品、政策、活动和品牌相关的最主要话题。这可帮助您快速应对新的增长机会，解决负面品牌关联问题，并提高您的业务的客户满意度。除了帮助您了解客户对品牌的观点，此解决方案还能让您洞察与您的业务相关的主题。
此解决方案部署 AWS CloudFormation 模板以从这些来源自动完成数据摄取：
- RSS 新闻订阅
- 与视频相关的 YouTube 评论
- Reddit（来自感兴趣 Reddit 子版块的评论）
- JSON 或 XLSX 格式的自定义数据
优势
使用 AWS CloudFormation 模板提供安全的一键式部署，该模板使用 AWS Well-Architected Framework 方法开发。
摄取包含文本和图像的流数据，然后对其执行近乎实时的分析。执行话题建模以检测主要话题，并从客户反馈中识别出共同构成一个话题的词语。
使用 Amazon Translate 提取多种语言的数据。确定客户话语中表露出的情绪，并使用上下文语义搜索来了解在线讨论的性质。
启动预构建的 Amazon QuickSight 控制面板，可视化解决方案的大规模客户分析。近乎实时地确定见解，以近乎即时的方式更好地了解背景信息、威胁和机会。
技术详情
您可以使用实施指南和随附的 AWS CloudFormation 模板自动部署该架构。
这些组件使用 AWS Well-Architected Framework 和 AWS Well-Architected Pillars（卓越运营、安全性、可靠性、性能效率和成本优化）构建，可确保基础设施的安全、高性能、弹性和高效。
第 1 步 - 摄取
AWS Lambda 函数、Amazon DynamoDB 和 Amazon EventBridge 可进行社交媒体和 RSS 源摄取和管理。有关 YouTube 评论、RSS 新闻源和使用 Amazon Simple Storage Service（Amazon S3）存储桶的自定义摄取的详细引用架构图，请参阅实施指南。
第 2 步 - 数据流
数据通过 Amazon Kinesis Data Streams 缓冲，以提供弹性和限制传入请求。Kinesis Data Streams 配置了一个 DLQ 以获取处理源中的任何错误。
第 3 步 - 工作流
Kinesis Data Streams 的使用者（Lambda 函数）启动 AWS Step Functions 工作流，以编排 Amazon Machine Learning 功能，包括：Amazon Translate、Amazon Comprehend 和 Amazon Rekognition。
第 4 步 - 集成
推理数据使用 EventBridge 通过事件驱动型架构与存储组件集成。EventBridge 支持进一步自定义，以通过配置规则来添加额外的目标。
第 5 步 - 存储和可视化
Amazon Kinesis Data Firehose、S3 存储桶、AWS Glue 表、Amazon Athena 和 Amazon QuickSight 的组合提供存储和可视化功能。
第 1 步 - 摄取
AWS Lambda 函数、Amazon DynamoDB 和 Amazon EventBridge 可进行社交媒体和 RSS 源摄取和管理。有关 YouTube 评论、RSS 新闻源和使用 Amazon Simple Storage Service（Amazon S3）存储桶的自定义摄取的详细引用架构图，请参阅实施指南。
第 2 步 - 数据流
数据通过 Amazon Kinesis Data Streams 缓冲，以提供弹性和限制传入请求。Kinesis Data Streams 配置了一个 DLQ 以获取处理源中的任何错误。
第 3 步 - 工作流
Kinesis Data Streams 的使用者（Lambda 函数）启动 AWS Step Functions 工作流，以编排 Amazon Machine Learning 功能，包括：Amazon Translate、Amazon Comprehend 和 Amazon Rekognition。
第 4 步 - 集成
推理数据使用 EventBridge 通过事件驱动型架构与存储组件集成。EventBridge 支持进一步自定义，以通过配置规则来添加额外的目标。
第 5 步 - 存储和可视化
Amazon Kinesis Data Firehose、S3 存储桶、AWS Glue 表、Amazon Athena 和 Amazon QuickSight 的组合提供存储和可视化功能。
