自然言語処理（NLP）をデプロイする方法：開始する

Elastic Stack 8.0では、PyTorch機械学習モデルをElasticsearchにアップロードする機能が導入され、Elastic Stackで最新の自然言語処理（NLP）を行うことができるようになりました。NLPは、密ベクトルと近似最近傍探索によって、情報の抽出、テキストの分類、検索の関連性の向上を実現する可能性をもたらしました。

このブログシリーズでは、さまざまなPyTorch NLPモデルを使用したエンドツーエンドの事例を紹介します。

パート1：テキスト埋め込みとベクトル検索をデプロイする方法
パート2：固有表現抽出（NER）
パート3：センチメント分析

各例では、Hugging Faceモデルハブから構築済みのNLPモデルを使用します。そして、NLPモデルのデプロイとインジェストパイプラインへのNLP推論の追加については、Elasticの文書化された手順に従います。 定義済みのユースケースから始め、モデルで処理するテキストデータを最初に理解しておくことはいつでも有益であるため、まず、NLPと誰でも試せる共有データセットを使用する目的を定義します。

NLPの事例を準備するには、バージョン8.0以上で実行中のElasticsearchクラスター、2 GB以上のRAMが搭載されたMLノードが必要です。また、固有表現抽出（NER）の事例では、必要なmapper-annotated-textプラグインを使用します。最も簡単に始める方法の1つは、Elastic Cloudでご自身の14日間無料の試用版クラスターを使用して、これらのNLPのサンプルに従うことです。クラウドの試用版は最大2つの2 GBのMLノードまでスケールできます。このため、このブログシリーズで、1つまたは2つのサンプルを同時にデプロイできます。