Lägga till smarta taggar till resurser i AEM smart-tags-assets-aem

Organisationer som hanterar digitalt material använder i allt högre grad taxonomistyrd vokabulär i metadata. Det innehåller i själva verket en lista med nyckelord som anställda, partners och kunder vanligtvis använder för att referera till och söka efter sina digitala resurser. Genom att tagga resurser med taxonomistyrd vokabulär kan du se till att de är lätta att identifiera och hämta i sökningar.

Jämfört med naturliga språkordsuttryck hjälper taggning som baseras på företagstaxonomi till att anpassa tillgångarna till företagets verksamhet och säkerställer att de mest relevanta resurserna visas i sökningar. En biltillverkare kan t.ex. märka bilderna med modellnamn så att endast relevanta bilder visas när de genomsöks för att utforma en kampanj.

I bakgrunden använder funktionen det artificiellt intelligenta ramverket i Adobe Sensei om du vill utbilda bildigenkänningsalgoritmen i taggstrukturen och företagsklonomin. Den här innehållsintelligensen används sedan för att tillämpa relevanta taggar på en annan uppsättning resurser. AEM använder automatiskt smarta taggar på överförda resurser som standard.

Resurstyper som stöds för smarta taggar i AEM smart-tags-supported-file-formats

Du kan tagga följande typer av resurser:

AEM lägger automatiskt till smarta taggar i textbaserade resurser och i videoklipp som standard. Om du vill lägga till smarta taggar automatiskt till bilder utför du följande åtgärder.

Förstå taggmodeller och riktlinjer understand-tag-models-guidelines

En taggmodell är en grupp relaterade taggar som är kopplade till olika visuella aspekter av bilder som taggas. Taggar relaterar till de olika visuella aspekterna av bilder så att taggarna när de används hjälper dig att söka efter särskilda typer av bilder. En skosamling kan till exempel ha olika taggar, men alla taggar är relaterade till skor och kan tillhöra samma taggmodell. När märkorden används kan de hjälpa dig att hitta olika typer av skor, till exempel efter design eller efter användning. Att förstå innehållet i en utbildningsmodell i Experience Manager, visualisera en utbildningsmodell som en enhet på den översta nivån som består av en grupp manuellt tillagda taggar och exempelbilder för varje tagg. Varje tagg kan användas exklusivt på en bild.

Innan du skapar en taggmodell och utbildar tjänsten bör du identifiera en uppsättning unika taggar som bäst beskriver objekten i bilderna i ditt företags sammanhang. Se till att resurserna i din aktuella uppsättning följer Utbildningsriktlinjerna.

Utbildningsriktlinjer training-guidelines

Kontrollera att bilderna i kursuppsättningen överensstämmer med följande riktlinjer:

Antal och storlek: Minst 10 bilder och högst 50 bilder per tagg.

Samstämmighet: Se till att bilderna för en tagg är visuellt lika. Det är bäst att lägga samman märkorden om samma visuella aspekter (till exempel samma typ av objekt i en bild) till en enda taggmodell. Det är till exempel ingen bra idé att tagga dessa bilder som my-party (för utbildning) eftersom de inte är visuellt lika.

Täckning: Det ska finnas tillräckligt med variation i bilderna i kursen. Tanken är att ge några men relativt olika exempel så att Experience Manager lär sig att fokusera på rätt saker. Om du använder samma tagg på bilder som ser olika ut bör du ta med minst fem exempel av varje typ. För taggen model-down-pose innehåller du fler utbildningsbilder som liknar den markerade bilden nedan för att tjänsten ska kunna identifiera liknande bilder mer exakt under taggningen.

Distraktion/obstruktion: Tjänsten tränar bättre på bilder som inte är så distraherande (framträdande bakgrunder, icke-relaterade komponenter, t.ex. objekt/personer med huvudmotivet). För taggen semester ​är den andra bilden inte en bra träningskandidat.

Fullständighet: Om en bild kvalificerar sig för mer än en tagg lägger du till alla tillämpliga taggar innan du inkluderar bilden för träning. För taggar som regnrock och modellvy lägger du till båda taggarna i den kvalificerade resursen innan du inkluderar den för träning.

Antal taggar: Adobe rekommenderar att du utbildar en modell med minst två distinkta taggar och minst tio olika bilder för varje tagg. Lägg inte till fler än 50 taggar i en enda taggmodell.

Antal exempel: För varje tagg lägger du till minst tio exempel. Adobe rekommenderar dock cirka 30 exempel. Högst 50 exempel per tagg stöds.

Förhindra falska positiva och oförenliga bilder: Adobe rekommenderar att du skapar en enda taggmodell för en enda visuell aspekt. Strukturera taggmodellerna på ett sätt som undviker överlappande taggar mellan modellerna. Använd till exempel inte vanliga taggar som sneakers i två olika taggmodellnamn shoes och footwear. Utbildningsprocessen skriver över en tränad taggmodell med den andra för ett vanligt nyckelord.

Exempel: Fler exempel på vägledning är:

Bilder som används för utbildning: Du kan använda samma bilder för att utbilda olika taggmodeller. Koppla emellertid inte en bild till mer än en tagg i en taggmodell. Du kan lägga till märkord i samma bild med olika märkord som tillhör olika taggmodeller.

Du kan inte ångra kursen. Riktlinjerna ovan bör hjälpa dig att välja bra bilder att utbilda.

Ange modell för anpassade taggar train-model

Följ de här stegen för att skapa och utbilda en modell för dina företagsspecifika taggar:

Bild: Steg i utbildningsarbetsflödet för att skapa en tågmärkesmodell.

Visa utbildningsstatus och rapport training-status

Om du vill kontrollera om smarta taggar-tjänsten är utbildad i dina taggar i utbildningsuppsättningen med resurser kan du läsa rapporten om utbildningsarbetsflödet i rapportkonsolen.

Tagga resurser med smarta taggar i AEM tag-assets

Alla typer av resurser som stöds taggas automatiskt av Experience Manager Assets vid överföring. Taggning är aktiverat och fungerar som standard. AEM använder rätt smarta taggar i nära realtid.

Hantera smarta taggar och resurssökningar manage-smart-tags-and-searches

Du kan strukturera smarta taggar om du vill ta bort felaktiga taggar som kan ha tilldelats ert varumärkesobjekt, så att endast de mest relevanta taggarna visas.

Genom att moderera smarta taggar kan du också förbättra taggbaserade sökningar efter resurser genom att se till att dina resurser visas i sökresultaten för de mest relevanta taggarna. I grund och botten hjälper det till att eliminera riskerna för att orelaterade resurser visas i sökresultaten.

Du kan också tilldela en högre rankning till en tagg för att öka taggens relevans för resursen. Om du befordrar en tagg för en resurs ökar risken för att resursen visas i sökresultaten när en sökning utförs baserat på den aktuella taggen.

Så här modererar du smarta taggar för dina digitala resurser:

Förstå Experience Manager sökresultat med smarta taggar understand-search

Som standard Experience Manager sökningen kombinerar söktermerna med en AND -sats. Om du använder smarta taggar ändras inte standardbeteendet. Om du använder smarta taggar läggs en OR -sats för att hitta något av söktermerna i de använda smarta taggarna. Överväg till exempel att söka efter woman running. Resurser med bara woman eller bara running nyckelordet i metadata visas inte som standard i sökresultatet. Men en resurs som är taggad med antingen woman eller running smarta taggar visas i en sådan sökfråga. Sökresultaten är en kombination av

Sökresultaten som matchar alla söktermer i metadatafält visas först, följt av sökresultaten som matchar någon av söktermerna i de smarta taggarna. I ovanstående exempel är den ungefärliga visningsordningen för sökresultat:

Taggningsrelaterade begränsningar och bästa praxis limitations

Förbättrad smart taggning bygger på inlärningsmodeller för bilder och taggar för dessa. Dessa modeller är inte alltid perfekta när det gäller att identifiera taggar. Den aktuella versionen av smarta taggar har följande begränsningar:

Använd de bilder som passar bäst för att utbilda modellen. Utbildningen kan inte återupptas eller så kan utbildningsmodellen inte tas bort. Hur korrekt taggningen är beror på den aktuella kursen, så gör det med omsorg.

Om du vill söka efter filer med smarta taggar (vanliga eller förbättrade) använder du Assets sökning (fulltextsökning). Det finns inget separat sökpredikat för smarta taggar.

Se även