- Erste Schritte
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- 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 Bezeichnungen, Entitäten 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 Beschriftung
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Trainieren
- Einführung zu „Verfeinern“
- 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 „Bezeichnung überprüfen“ und „Bezeichnung fehlen“
- Training mit der Bezeichnung „Teach“ (Verfeinern)
- Training mit der Suche (verfeinern)
- Verstehen und Erhöhen der Abdeckung
- Verbesserung des Ausgleichs und Verwendung von „Neuausgleich“
- Wann das Training Ihres Modells beendet werden soll
- Definieren und Einrichten Ihrer Entitäten
- Grundlegendes zu Entitäten
- Welche vortrainierten Entitäten sind verfügbar?
- Aktivieren, Deaktivieren, Aktualisieren und Erstellen von Entitäten
- Entitätsfilterung
- Überprüfen und Anwenden von Entitäten
- Validierung für Entitäten
- Verbesserung der Entitätsleistung
- Erstellen von benutzerdefinierten Regex-Entitäten
- Verwenden von Analytics & Monitoring
- Automatisierungs- und Communications Mining
- Auswählen von Konfidenz-Schwellenwerten für Bezeichnungen
- Erstellen Sie einen Stream
- Aktualisieren oder löschen Sie einen Stream
- Häufige Fragen und mehr
Erstellen Sie einen Stream
Benutzerberechtigungen erforderlich: „Streams admin“.
UPDATE: Streams waren zuvor als Trigger in der Plattform bekannt. Sie wurden umbenannt, um die Funktionalität, die sie für unsere Benutzer bieten, besser widerzuspiegeln. Diese Namensänderung wirkt sich nicht auf vorhandene API-Routen aus. Die Trigger-Routen sind weiterhin vorhanden und neue Stream-Routen mit identischer Funktionalität wurden hinzugefügt. Wir werden unsere Kunden in den kommenden Monaten schrittweise auf diese neuen Stream-Routen umstellen.
Erstellen Sie einen Stream
Sie müssen ein angeheftetes Modell haben.
- Wählen Sie die Schaltfläche Neuer Stream + oben auf der Seite Streams aus. Dadurch wird das Modal Stream erstellen geöffnet.
Erstellen Sie ein Streammodal
- Geben Sie dem Stream einen Titel und eine Beschreibung.
- Legen Sie einen API-Namen fest.
- Geben Sie die zu verwendende Modellversion (Beschriftung) an (dies ist sehr wichtig).
- Verwenden Sie die Filterleiste auf der linken Seite, um Benutzereigenschaftenfilter festzulegen, die erfüllt sein müssen, damit Nachrichten in die Warteschlange für den Stream aufgenommen werden.
- Wählen Sie eine Bezeichnung und einen Konfidenzschwellenwert aus:
Festlegen eines Konfidenzschwellenwerts
Das Festlegen eines Schwellenwerts bedeutet, dass die Plattform diese Bezeichnung mit einer Konfidenz vorhersagen muss, die dem festgelegten Schwellenwert entspricht, damit die Nachricht in die Warteschlange für den Stream eingegeben werden kann.
Die Plattform sagt die Anzahl der falsch positiven und falsch negativen Ergebnisse vorher , die im Stream falsch angezeigt werden oder fehlen werden.
Der Standardschwellenwert für eine Bezeichnung ist 100 %. Zu diesem Zeitpunkt ist er deaktiviert und der Stream gibt keine Vorhersagen für die Bezeichnung zurück.Wenn der Schwellenwert auf weniger als 100 % festgelegt ist, gibt der Stream Vorhersagen für die Bezeichnungen zurück, die über dem Schwellenwert liegen. - Wählen Sie das Häkchen aus, um den Stream zu erstellen.
