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
- Löschen Sie eine Quelle
- 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)
- Der Status des 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
- Verwenden von allgemeinen Feldern
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Lizenzierungsinformationen
- Häufige Fragen und mehr
Ein neues Dataset erstellen
Wichtig :
Dieser Inhalt wurde maschinell übersetzt.
Communications Mining-Benutzerhandbuch
Last updated 19. Nov. 2024
Ein neues Dataset erstellen
Benutzerberechtigungen erforderlich: „Datasets-Administrator“.
So erstellen Sie ein neues Dataset:
Wechseln Sie zur Seite „Datasets“ und wählen Sie Neues Dataset aus. Daraufhin wird ein modales Fenster zum Erstellen des neuen Datasets angezeigt.
Modales Element „Neues Dataset“.
Geben Sie alle relevanten Informationen im Formular ein und wählen Sie dann Weiter aus, um die einzelnen Schritte zu durchlaufen:
- Fügen Sie den Titel im Feld Dataset-Name hinzu, um weitere Informationen über das von Ihnen erstellte Dataset bereitzustellen.
- Geben Sie dem Dataset einen beschreibenden Namen unter dem Feld API-Name und verwenden Sie Bindestriche anstelle von Leerzeichen – z. B zendesk-cs-chats.
- Wählen Sie im Dropdownmenü das Projekt aus, in dem sich das Dataset befinden soll. Sie können das Dataset einem der Projekte zuweisen, denen Sie angehören.
- Wählen Sie eine vorhandene Quelle aus der Dropdownliste aus oder fügen Sie eine neue hinzu. So fügen Sie eine neue Datenquelle hinzu:
- Aktivieren Sie das Optionsfeld Neue Quelle .
- Geben Sie den Quellnamen und den API-Namen ein. Sie können den API-Namen nach dem Hinzufügen nicht ändern.
-
Hinweis: Sie können eine neue Quelle nur hinzufügen, wenn Sie über die Quelladministratorberechtigung verfügen.
-
Hinweis: Wenn Sie über die Tenant Administrator- Berechtigung verfügen, können Sie ein neues Projekt erstellen.Wählen Sie die Option Neu erstellen aus der Dropdownliste aus:
- Fügen Sie den Titel und den API-Namen des neuen Projekts hinzu, und wählen Sie dann Speichern aus.
Hinweis: Sobald Sie ein neues Projekt hinzugefügt haben, werden Sie automatisch als Benutzer für die Projekterstellung festgelegt. Diese Terminologie wird sich in Kürze beim Projektbesitzer ändern und Sie verfügen über alle Berechtigungen in diesem Projekt.
- Modellsprache(n) festlegen
- Bestätigen Sie die Modellsprache, d. h Englisch , das der Sprache Ihrer Daten entspricht. Weitere Informationen finden Sie auf der Seite Mehrsprachige Quellen und Datasets , wenn Sie ein mehrsprachiges Modell auswählen.
- Beschriftungen definierenWählen Sie ein Dataset aus, indem Sie die Option Aus einem Dataset importieren in der Dropdownliste Beschriftungen importieren auswählen. Dadurch werden nur Beschriftungen und Beschreibungen aus einem vorhandenen Dataset kopiert. Um ein gesamtes Dataset zu kopieren, wählen Sie Duplizieren auf der Seite Datasets aus.
- Fügen Sie zusätzliche Einstellungen hinzu
- Fügen Sie Ihrem Dataset alle vortrainierten Beschriftungen hinzu. Einige Beispiele: „Chaser“, „dringend“, „Abwesend“ usw. Sie müssen keine während der Dataset-Erstellung aktivieren und können sie auch später jederzeit auf der Seite mit den Dataset-Einstellungen aktivieren.
- Legen Sie die Stimmung und die Sprache(n) des Datasets fest:
- Aktivieren oder Deaktivieren der Stimmungsanalyse – Wenn die Stimmungsanalyse aktiviert ist, ist jeder Beschriftung in der Taxonomie eine positive oder negative Stimmung zugeordnet. Besuchen Sie die Seite Aktivieren der Stimmung auf einem Dataset , um zu erfahren, warum Sie sie aktivieren oder nicht.
Wählen Sie Erstellen aus, um das Dataset zu erstellen.
Hinweis:
- Sie können bis zu 20 einzelnen Quellen zu einem Dataset in der GUI hinzufügen.
- Quellen können sich in einem anderen Projekt als einem Dataset befinden. Solange Benutzer in jedem Projekt über die entsprechenden Berechtigungen verfügen, können sie die Nachrichten sehen und wie gewohnt kommentieren.
- Wenn es mehrere Quellen in einem Dataset gibt, sollten sie einen ähnlichen Zweck für Ihre Analyse haben.