自客户
2004年

分享故事

他们怎么做到的

  • 创建了独特的主动学习工作流并发现300万记录有可能响应
  • 优先审查队列识别23,000文档供即时审查和制作
  • 完成调查速度比预期快十倍

实例主动学习

福里和拉德纳的律师发现短信表示反竞争行为单条消息将大事件 转化成对其客户业务实践的 大规模调查初始800万文件调查快速增长到11 700万文件

Nick Cole,FoleyLardner诉讼支持主管,面临艰巨任务第一,数据集如此之大对审查极具挑战性加上FoleyLardner支付不起丢失相关文件的费用,

事务所白领团队没有立即看到主动学习-线性评审和搜索术语在过去对他们是成功的Nick认为搜索术语报告不够兼容并包以查找所有响应文件

诉讼支持团队通过主动学习工作流展示时间技术持续从编码决策中学习并预测哪些文档最有可能响应-最后生成小文档集并产生更精确结果

白领团队决定让Nick展示 直接学习案例文档的好处

快速精确审查110M+文档

Nick团队需要尽可能精确地完成审查并满足政府机构的要求福里Lardner创建新工作流并积极学习通过数据集

Nick实施工作流程,将文档拆分为1,000万文档集,每集分析索引38部分解析集随机采样全宇宙,而其他集则专注于特定主题目标集使用不同的样板聚焦特定主题领域

尼克用每集训练主动学习人工智能功能 查找后续集热文档 白领团队随后分析运行并行学习项目允许Foley覆盖全数据集查找响应文档发现可能的响应文档后,Foley的合同律师利用主动学习优先审查队列

福里图

工作流识别300万记录,这些记录很可能从主文件数11 700万数据集响应三百万中 优先评审泡出二万三千份文件 供即时评审制作随机样本索引中,主动学习发现每集有6,000个响应文档不包含搜索条件-包括Foley & Lardner合同评审员原称非响应文档,因为它不匹配搜索条件这份文件列出了关键角色及其活动,这些都是调查焦点

测试结果说服公司白领律师 主动学习是寻找更多响应文档 的最佳选择

结果

归根结底,相对性一和主动学习节省FoleyLardner估计1,000万美元,并使他们能够快速完成调查十倍

相对论One允许FoleyLardner简洁执行此案公司相对服务器实例最多只能支持五百万文档非相对性One,他们不得不外包案例,那将是一个巨大的费用

尼克引用相对论团队为核心推理 本案顺利进行Nick团队与相对论支持和客户成功管理团队密切合作,确保工作流程和技术齐头并进

单靠自己是办不到这个案子的多亏与我们共事的勤奋精干团队成员,

福里研究这个案例的每个人都对积极学习的进行感到高兴帮助传教使用相对分析
宁科夫市诉讼支持主管

准备看相对论一能为您做什么

stepte保存客户端 2.7百万美元

赫伯特Smith Freehills审查4,000万文档使用辅助审查

酒者Biddle关机7天后保护告密者