- 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 oder löschen Sie eine Datenquelle in der 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
Communications Mining-Benutzerhandbuch
Erstellen oder löschen Sie eine Datenquelle in der GUI
Benutzerberechtigungen erforderlich: „Sources Admin“.
Durch das Erstellen einer Quelle in der GUI wird im Wesentlichen eine leere Quelle mit definierten Eigenschaften eingerichtet (wie unten gezeigt), in die dann Daten über die API hochgeladen werden können. Die Einrichtung dieser Quelle kann auch über die API erfolgen (siehe hier), jedoch ist diese Methode möglicherweise einfacher für nicht-technische Benutzer, um ihre Quelleigenschaften einfach zu definieren, bevor ein technischer Benutzer die Daten hochlädt.
Dies behandelt nicht das Hochladen von Daten in eine Quelle über die API. Weitere Informationen dazu finden Sie im entsprechenden Abschnitt der API-Dokumentation hier.
So erstellen Sie eine Datenquelle in der GUI:
- Navigieren Sie über die Administratorkonsole zur Seite „Quellen“.
- Wählen Sie oben auf der Seite die Schaltfläche „Neue Quelle“ aus
- Geben Sie die erforderlichen Quelleigenschaften ein, darunter:
- Quellprojekt
- Quellname
- Quelle Titel
- Quellenbeschreibung
- Vertrauliche Eigenschaften (die die Berechtigung Vertrauliche Daten anzeigen erfordern, um sie anzuzeigen)
- Sprache
- Übersetzung aktiviert oder deaktiviert (erforderlich Berechtigung zum Erstellen übersetzter Quellen )
- Wählen Sie Quelle erstellen aus.
Um eine Datenquelle zu löschen, wechseln Sie zur Administratorkonsole, wählen Sie die Seite Quellen und dann das Papierkorbsymbol der Quelle aus, die Sie entfernen möchten.