communications-mining
latest
false
- Einleitung
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder (früher Entitäten)
- Bezeichnungen (Vorhersagen, Konfidenzniveaus, Hierarchie usw.)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Nachrichten mit und ohne Anmerkungen
- Extraktionsfelder
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Zugriffskontrolle und 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 Dataset-Einstellungen
- Löschen Sie Nachrichten über die Benutzeroberfläche
- Löschen Sie ein Dataset
- Exportieren Sie ein Dataset
- Verwenden von Exchange-Integrationen
- Modelltraining und -wartung
- Grundlegendes zu Beschriftungen, allgemeinen Feldern und Metadaten
- Beschriftungshierarchie und Best Practices
- Analyse- vs. Automatisierungsanwendungsfälle
- Konvertieren Ihrer Ziele in Bezeichnungen
- 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
- Lizenzierung
- Häufige Fragen und mehr
Erstellen oder löschen Sie eine Datenquelle in der GUI
Wichtig :
Communications Mining ist jetzt Teil von UiPath IXP. Weitere Informationen finden Sie in der Einführung im Benutzerleitfaden.
Dieser Inhalt wurde maschinell übersetzt.
Es kann 1–2 Wochen dauern, bis die Lokalisierung neu veröffentlichter Inhalte verfügbar ist.

Communications Mining-Benutzerhandbuch
Letzte Aktualisierung 23. Mai 2025
Erstellen oder löschen Sie eine Datenquelle in der GUI
Hinweis:
You need to have the Sources Admin permission assigned to create or delete a data source in the GUI.
In addition, this permission allows you to create a new source when you create a new dataset.
When you create a source in the GUI, an empty source with defined properties is set up. Then, you can upload data to it via the API. For more details, check the API docs.
Alternatively, you can create a source via the API. This method may be more suitable for non-technical users to define their source properties before a technical user uploads the data.
- Navigate to the Sources page in the Admin console.
- Select the New source button.
- Geben Sie die erforderlichen Quelleigenschaften ein, darunter:
- Quellprojekt
- Quellname
- Quelle Titel
- Quellenbeschreibung
- Sensitive propertiesNote: Requires the View sensitive data permission to view.
- Sprache
- TranslationNote: Requires the Create translated sources permission.
- Wählen Sie Quelle erstellen aus.