Communications Mining
latest
false
- Erste Schritte
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder (früher „Entitäten“)
- Bezeichnungen (Vorhersagen, Konfidenzniveaus, Hierarchie usw.)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Überprüfte und nicht überprüfte Nachrichten
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Verwaltung
- Verwalten Sie Quellen und Datasets
- Verstehen der Datenstruktur und -berechtigungen
- Erstellen Sie eine Datenquelle in der GUI
- Hochladen einer CSV-Datei in eine Quelle
- Ein neues Dataset erstellen
- Mehrsprachige Quellen und Datasets
- Aktivieren der Stimmung für ein Dataset
- Ändern Sie die Einstellungen eines Datasets
- Löschen Sie Nachrichten über die Benutzeroberfläche
- Löschen Sie ein Dataset
- Exportieren Sie ein Dataset
- Verwenden von Exchange-Integrationen
- Vorbereiten von Daten für den CSV-Upload
- Modelltraining und -wartung
- Verstehen von Beschriftungen, allgemeinen Feldern und Metadaten
- Bezeichnungshierarchie und bewährte Methode
- Definieren Ihrer Taxonomieziele
- Analyse- vs. Automatisierungsanwendungsfälle
- Konvertieren Ihrer Ziele in Bezeichnungen
- Erstellen Ihrer Taxonomiestruktur
- Best Practices für den Taxonomieentwurf
- Ihre Taxonomie wird importiert
- Übersicht über den Modelltrainingsprozess
- Generative Anmerkung (NEU)
- Verstehen des Status Ihres Datasets
- Best Practice für Modelltraining und Anmerkungen
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Trainieren
- Einführung in Verfeinerung
- Erläuterungen zu Präzision und Rückruf
- Präzision und Rückruf
- Wie funktioniert die Validierung?
- Verstehen und Verbessern der Modellleistung
- Warum kann eine Bezeichnung eine geringe durchschnittliche Genauigkeit haben?
- Training mit Beschriftung „Überprüfen“ und Beschriftung „Verpasst“.
- Training mit der Bezeichnung „Teach“ (Verfeinern)
- Training mit der Suche (verfeinern)
- Verstehen und Erhöhen der Abdeckung
- Verbesserung des Abgleichs und Verwendung des Abgleichs
- Wann das Training Ihres Modells beendet werden soll
- Definieren und Einrichten Ihrer allgemeinen Felder
- Grundlegendes zu allgemeinen Feldern
- Welche vortrainierten allgemeinen Felder sind verfügbar?
- Aktivieren, Deaktivieren, Aktualisieren und Erstellen allgemeiner Felder
- Allgemeine Feldfilterung
- Überprüfen und Anwenden allgemeiner Felder
- Validierung für allgemeine Felder
- Verbesserung der allgemeinen Feldleistung
- Erstellen von benutzerdefinierten allgemeinen Regex-Feldern
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Häufige Fragen und mehr
Wichtig :
Dieser Inhalt wurde maschinell übersetzt.
Communications Mining-Benutzerhandbuch
Last updated 2. Juli 2024
Cluster
Cluster sind Gruppen ähnlicher Meldungen, die die Plattform mithilfe von Unattended Learning gruppiert und auf der Seite Discover anzeigt.
Die Plattform präsentiert in Discover 30 Cluster gleichzeitig, die jeweils 12 Meldungen enthalten. Die Plattform unterstreicht Wörter oder Sätze, die stark zur Aufnahme der Nachricht in diesen Cluster beitragen.
Die Nachrichten in jedem Cluster werden danach gruppiert, was die Plattform für Themen mit ähnlichen Absichten oder Konzepten hält.
Das Überprüfen und Kommentieren von Meldungen innerhalb dieser Cluster ist in der Regel die erste Phase im Modelltrainingsprozess.
Ein Beispiel-Cluster eines Understanding-Postfachs in Discover
