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
- Create or delete a data source in the GUI
- Hochladen einer CSV-Datei in eine Quelle
- Vorbereiten von Daten für den CSV-Upload
- 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
- 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)
- Der Status des Datasets
- Best Practice für Modelltraining und Anmerkungen
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Grundlegendes zu Datenanforderungen
- 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
- Verwenden von allgemeinen Feldern
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Lizenzierungsinformationen
- Häufige Fragen und mehr
Wichtig :
Dieser Inhalt wurde maschinell übersetzt.
Communications Mining-Benutzerhandbuch
Letzte Aktualisierung 20. Dez. 2024
Aktivitäten
Mit dem Communications Mining-Aktivitätspack können Sie Ergebnisse aus den Communications Mining-Streams verwenden. In diesem Tutorial sehen Sie ein Beispiel für den Prozess der Rechnungsübermittlung.
Diese Anleitung zeigt Ihnen, wie Sie einen Communications Mining-Stream nutzen, Anforderungen zur Einreichung von Rechnungen identifizieren und die zugehörigen Anhänge aus der Kommunikation herunterladen können.
- Ergebnisse – Eine Darstellung einer Kommunikation, die vom Communications Mining-Stream zurückgegeben wird. Die Ergebnisse enthalten zwei wichtige Eigenschaften:
comment
– Enthält alle Informationen über die Kommunikation, die auf die Plattform hochgeladen wurden, z. B.: Betreff, Text und Zeitstempel der Kommunikation.prediction
– Enthält den Satz von Vorhersagen, die für diese Kommunikation zurückgegeben werden. In dieser Eigenschaft finden Sieextractions
undfields
.
- Extraktion – Eine Vorhersage für eine bestimmte Instanz einer Anforderung, die mit einer Beschriftung verknüpft ist, z. B. eine
Address Change
-Anforderung, und die mit dieser Anforderung verknüpften Felder: Adresszeile 1, Ort, Postleitzahl. Für jede Beschriftung können Sie mehrere Extraktionen für jede Nachricht vorhersagen. Jeder Extraktion ist einOccurrence Confidence
und einExtraction Confidence
zugeordnet. - Feld – Ein Datenpunkt, der als Wert aus einer Nachricht extrahiert wurde.
Ein Feld kann die folgenden Typen haben:
- Allgemeines Feld (keine Beschriftungen zugeordnet).
- Extraktionsfeld (mit einer bestimmten Beschriftung verknüpft und erforderlich, um Anforderungen zu verarbeiten, die dieser Bezeichnung zugeordnet sind).
- Vorkommenskonfidenz – Das Konfidenzniveau eines Modells über das Vorhandensein einer bestimmten Extraktionsinstanz. Zum Beispiel, wie sicher das Modell bei einer zweiten
Change of Address
-Anforderung in der Nachricht ist. - Extraktionskonfidenz – Das Konfidenzniveau eines Modells, dass eine einzelne Extraktion korrekt extrahiert wird – d. h. die Extraktion wird korrekt identifiziert und alle Felder werden korrekt identifiziert und mit der richtigen Extraktion verknüpft.
- Schwellenwert – Jede von einem Stream zurückgegebene Label-Vorhersage enthält eine
thresholds
-Eigenschaft. Diese Eigenschaft enthält die Liste der Schwellenwerte, die für die gegebene Vorhersage überschritten wurden. Derzeit heißt der Schwellenwert, den Sie für den Stream konfigurieren,stream
.
Voraussetzungen
- Zugriff auf Communications Mining.
- Eine Exchange-Integration, die eine Quelle konfiguriert und befüllt.
- Ein trainiertes Dataset, das auf dieser Quelle basiert.
- Ein Stream, der für dieses trainierte Dataset konfiguriert ist.
Führen Sie die folgenden Schritte aus, um
stream Results
und obtain attachments
zu nutzen.
Ziehen Sie in einem Studio-Projekt die Aktivität
Get Stream Results
aus der Communications Mining-Aktivitätsbibliothek und wählen Sie Ihren Stream aus.
Ziehen Sie eine
For Each
-Schleife ein und beginnen Sie mit der Iteration desResults
-Felds der Variablenausgabe aus derGet Stream Results
-Aktivität.
Fügen Sie in Ihrer
For Each
-Schleife eine If
-Anweisung hinzu und überprüfen Sie, ob die Invoice Submission
-Anforderung mit dem folgenden Ausdruck erkannt wurde: result.Prediction.ContainsLabelExtraction("Invoice Submission")
Hinweis: Sie können auch auf alle Feldwerte zugreifen, die Sie für diese Bezeichnung mit dem Ausdruck
result.Prediction.GetLabelExtractions("Invoice Submission")(0).GetField("Invoice Date")
konfiguriert haben.
Ziehen Sie die Aktivität „Get Attachment“ in den Abschnitt
Then
Ihrer if-Anweisung. Sie können dann die Anhangsreferenz mit dem folgenden Ausdruck abrufen: result.Comment.GetAttachmentsByType("pdf")(0).AttachmentReference
.
Hinweis: Dieser Ausdruck geht davon aus, dass mindestens ein PDF-Anhang vorhanden ist. Überprüfen Sie in der Produktion, ob dies der Fall ist.
Sie können jetzt den heruntergeladenen Anhang verwenden und an Document Understanding übergeben:
- Stream-Ergebnisse abrufen und Anhänge abrufen
- Schlüsselkonzepte
- Schritt 1: Verbindung mit Ihrem Stream herstellen
- Schritt 2 – Schleifenschaltung Ihrer Stream-Ergebnisse starten
- Schritt 3 – Ermitteln, ob das Ergebnis eine Rechnungsübermittlung ist
- Schritt 4 – Die angehängte Rechnung herunterladen
- Schritt 5 – Den Anhang an Document Understanding übergeben
- Schritt 6 – Den Stream fortführen