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)
- Verstehen des Status Ihres 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
Wichtig :
Dieser Inhalt wurde maschinell übersetzt.
Communications Mining-Benutzerhandbuch
Last updated 7. Nov. 2024
Löschen Sie ein Dataset
Erforderliche Benutzerberechtigungen: Datasets-Administrator.
Genau wie bei dem Aktualisieren eines Datasets haben Sie zwei Optionen, um ein Dataset endgültig zu löschen:
- Über die Dataset-Karte auf der Seite Ihre Datasets :
- Wechseln Sie zur Hauptseite der Datasets (Sie können hier navigieren, indem Sie oben auf Ihrer Seite auf das UiPath® Communications Mining-Logo klicken).
- Wählen Sie das drei vertikalen Punktesymbol aus, dann Löschen in der Ecke der einzelnen Dataset-Karte.
- Geben Sie den Namen des Datasets in das Popup-Eingabefeld ein.
- Wählen Sie Dataset löschen aus, um das Löschen zu bestätigen.
Hinweis: Das Löschen eines Datasets ist endgültig.
Dataset-Karte mit Löschoption
- Über die Seite mit den einzelnen Dataset-Einstellungen
- Nachdem Sie ein einzelnes Dataset ausgewählt haben, wechseln Sie über die obere Navigationsleiste zur Seite Einstellungen . Sie werden zur Registerkarte Dataset weitergeleitet.
- Wählen Sie Dataset endgültig löschen am unteren Rand der Seite aus.
- Geben Sie den vollständigen Namen des Datasets in das Popup-Eingabefeld ein. Wählen Sie Dataset löschen aus, um das Löschen zu bestätigen.
Hinweis: Das Löschen eines Datasets ist endgültig.
Modales Element zum Löschen des Datasets
