通過針對全球AI專家的AI挑戰，發出了針對CORD-19數據集采取行動的號召。最理想的結果是一組文本和數據挖掘工具，就可以幫助回答高度優先的科學問題。納貝爾·阿西夫是Qlik的首席解決方案架構師，在傾聽了對挑戰的陳述后，他意識到，現在的我們還沒有完全依賴AI。因此，他嘗試使用Qlik解決此問題。

他的目標是使研究人員能夠基于Qlik的本機搜索和探索功能查找與COVID-19相關的文章，然后在所選的上下文中應用機器學習（ML）技術。您將在本文的結尾看到解決方案。

關聯引擎和ML技術結合

在過去的兩年中，納貝爾一直在從事一個開源項目（//github.com/nabeel-oz/qlik-py-tools），該項目為Qlik提供了數據科學和ML功能。Qlik Sense中自由形式探索體驗能夠使用高級分析技術，這是領很多數據分析師著迷的一點。

對于納貝爾而言，他往往會使用兩種ML功能：命名實體識別和群集。第一種技術用于使用預先訓練的深度學習模型從每篇文章的標題和摘要中提取生物醫學實體。這成為Qlik Sense應用程序中搜索和探索的一個豐富的新維度。雖然這是在重新加載過程中完成的，但是聚類算法實時用于交互式分析。當用戶通過選擇進行細化時，一種算法會根據標題和摘要中出現的實體的相似性將研究文章分組為類。

簡而言之，該解決方案將Qlik的關聯引擎與ML技術相結合，從而增強了人類的智慧和能力。

關鍵部分

挑戰的關鍵部分是要跟上最新研究的步伐。使用Qlik，設置增量負載是標準做法，并且該解決方案使過程相對簡單。

適用于非結構化數據

盡管此應用是為CORD-19數據集構建的，但該技術通常可以應用于文本數據。這證明了Qlik如何幫助提供有關大量非結構化數據的情報，這些數據通常在當今大多數組織的分析解決方案中都沒有提供。

“在與COVID-19的斗爭中，數據的價值不可低估。將非結構化數據和研究信息引入解決方案，并將其與WHO，CDC，Johns Hopkins等人的數據集相結合的能力將加快社會利用知識和資源來阻止流行病，后期還能夠幫助以快速，健康，快速的方式恢復。Qlik.org執行總監Julie Kae表示。 “ Qlik.org已經提供了許多資產，可在www.qlik.org/covid19上找到，并且還提供了這種獨特的公共訪問解決方案。”

示例

請參閱下面的內容觀看該解決方案的簡短演示。

關于Qlik

Qlik 一直重視數據的作用。Qlik提供端到端、實時數據集成和分析解決方案，幫助組織訪問所有數據并將其轉換為價值。幫助公司以數據為導向，更深入地了解客戶行為，重新設計業務流程，發現新的收入來源，并平衡風險和回報。

LEAD WITH DATA