使用自然语言处理 的上下文驱动搜索使用户能够超越基于列过滤器的限制性搜索，提供季节、时间序列或范围以及极性等上下文，并且它们可以处理缩写并分析语音以处理拼写错误。这种方法允许用户使用更人性化、更具对话性的方式提出问题，而不必考虑他们需要哪些列或字段，或者如何提出问题以获得提供有意义的见解的答案，而不会因不返 阿富汗电话号码数据 回任何结果或返回与问题无关的结果而让用户感到沮丧。
为了理解此类工具的真正价值，考虑一些商业应用的示例会有所帮助。
好处：输入问题并根据绝对时间、范围或相对时间段获得结果。
日期范围示例问题： 年 月至 年 月期间哪位销售代表销售的煎饼粉最多？
相对时间段示例问题： 年最后一个季度，谁在亚利桑那州凤凰城卖出了最多的蛋糕？
绝对时间问题示例：比尔·琼斯 今年最畅销的产品是什么？
上下文：同义词、语音和缩写
好处：输入问题，系统将识别并处理信息，纠正拼写错误、缩写和相关词语。
基于语音的示例问题： 年圣诞节，谁在亚利桑那州菲尼克斯卖出了最多的果汁？
示例缩写问题： 年圣诞节谁在亚利桑那州凤凰城卖出了最多的果汁？
上下文：聚合
好处：输入问题来了解平均值、最小值、最大值、第一个、最后一个、总和、计数等的结果。
示例平均问题：西部地区姜茶的平均定价是多少？
样本计数问题：告诉我亚利桑那州的销售代表的数量。