Williams Mullen 通过 ML.NET 提高了工作效率

Williams Mullen 是一家提供全面服务的公司法律事务所，专门从事公司法、诉讼、金融和房地产业务。该公司意识到，让律师梳理数以百万计的文件占用了他们为客户实际工作的时间。这促使该公司研究了一种机器学习解决方案。他们意识到很多问题都实则为分类问题后，便决定用 ML.NET 进一步探索。

业务问题

这意味着大量非结构化数据以 Word 文档、PDF 和电子邮件的形式呈现在文档管理系统中，该系统可能包含数十年的数字信息。当律师想要在这些文档中查找特定信息时，这就成为了一项挑战，他们可通过搜索文件元数据来实现，这些信息经常会丢失、不正确或过时。

由于此手动过程，William Mullen 发现数百万个文档存在阻止文档易于搜索的问题，从而浪费了律师时间并导致收入损失。

为什么选择 ML.NET?

法律行业在选择技术时十分以 Microsoft 为中心。Williams Mullen 也不例外；他们的开发人员都是 C# 的深度用户。就在 ML.NET 发布的同一时期，他们开始寻找机器学习解决方案。因此，对于他们的分类方案而言，开始使用 ML.NET 可谓是再自然不过了。

ML.NET 的影响

通过研究，William Mullen 发现在他们的系统中，有 20% 的文件(例如，数百万份文件)存在问题，使得这些文件无法轻松搜索，这不仅浪费了律师时间，还导致了收入损失。如果不是为了 ML.NET，该公司根本不会承接该项目，或不得不迫使员工放下实际工作来手动修复这些问题，这可能会导致数十万美元的成本。

借助 ML.NET，我们能够训练模型，然后立即在代码中进行测试。这样可以更快地发布新的更改，因为所有工具都集中在一起。”

解决方案体系结构

使用 ML.NET 创建应用程序

该体系结构只有两个 .NET Core 控制台应用程序和一个数据库。一个控制台应用会提取训练数据、准备数据并训练模型。另一个控制台应用会提取运行模型所需的数据，加载模型以对数据进行分类，将其关闭，然后再将数据放回数据库中。

此项目的乐趣在于开始非常简单，因此，我们无需任何复杂的事物。我的意思是定型应用共有 200 行代码，其中包含注释、记录等，且运行模型的应用甚至更小。整个项目的最大部分是 13 行代码中出现的转换代码。”

数据处理

训练数据大约有两百万个文档，来自该法律事务所的文档管理系统。数据本身包括来自文档的内容、标题、作者、收件人(对于电子邮件)和其他元数据位，具体取决于要清理的字段。

数据转换和机器学习算法

Williams Mullen 在几个不同的应用程序中尝试了几种不同的数据转换和定型算法。数据转换包含 NormalizeText、TokenizeWords、RemoveDefaultStopWords、OneHotHashEncoding、FeaturizeText、ExtractWordEmbeddings 和 ProduceNGrams。对于定型，他们主要使用 StochasticDualCoordinateAscent 和 OneVersusAll 分类算法。

通过使用 ML.NET 的数据转换和算法创建机器学习解决方案，Williams Mullen 已经能够增强数百万个文档的可搜索性，进而帮助其律师提高了工作效率。