使用发现循环从文档中检索信息或知识
　　
　　为了推动关键和时间敏感的决策，每个垂直行业、政府机构和军事部门的分析师都会遇到大量需要处理的内容。高管们依靠分析师准确解读报告、新闻、咨询和调查，从而为自信、深思熟虑的决策提供决策支持。通过探索性阅读来寻找正确的内容在认知上是一种负担，并且会造成决策疲劳。此外，分析师通常会探索难以使用标准搜索工具所需的关键字和逻辑规则清晰表达的深奥概念。”
　　
　　在考虑上述新闻摘录中的叙述性文本示例时：
　　
　　第二个示例实际上没有使用“爆发”一词，但中小企业可能会很快将其评估为爆发的领先指标。为了解决这些深奥的知识获取场景，中小企业首先使用代表他们想要找到的想法的多个关键字之一来搜索他们的文档。DiscoveryLoopAI然后从结果中选择25-50个最具代表性的句子，并通过简单的点击手势，使中小企业能够将结果分类为一个或多个有意义的类别。或者，中小企业也可以从句子中指示子串以逐字提取。人工智能训练一个CNN分类器来学习中小企业分配的类别。任何未分类的句子都会自动分配到“不感兴趣”类别。如此训练的模型对原始搜索结果中的所有句子进行推理。基于推断的类别预测及其相对预测置信度，人工智能呈现至少2组句子供中小企业审查和/或纠正——基于分配的类别标签“最像标签x”和“最不像标签x”到最初的25～50个句子。由于人工智能只训练25～50个句子的模型并对搜索结果进行推理，因此循环通常只需几分钟。同样，每个审查组每个只有25～50句话，只需要中小企业几分钟的审查。这种快速迭代被称为发现循环，它使中小企业能够快速发现信息，而无需关注关键字，而只需阅读和做出重点决策。随着中小企业管理更多的标记句子，人工智能重新训练分类或提取模型以提高准确性并通过使用从标记句子中提取的关键字执行查询扩展来增加文档集的覆盖范围。在任何时候，模型都可以针对文档集中的所有句子运行，以获得与中小企业定义的深奥概念相匹配的综合句子子集，然后可以在分析师报告中作为证据引用或引用。