- 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
- Create or delete a data source in the 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
Löschen Sie Nachrichten über die Benutzeroberfläche
Benutzerberechtigungen erforderlich: 'Nachrichten bearbeiten'.
Es kann Fälle geben, in denen Nachrichten in Quellen hochgeladen wurden, die Sie möglicherweise nicht auf der Plattform haben möchten. Dies kann folgende Ursachen haben:
- Die Nachricht ist beschädigt und unbrauchbar
- Die Nachricht enthält vertrauliche Informationen, die nicht geteilt werden sollten
- Die Nachricht fügt dem Dataset keinen Wert hinzu
Was auch immer der Grund sein mag, Sie können Nachrichten aus einer Quelle in der Benutzeroberfläche über ein Dataset löschen, das diese Quelle enthält. Diese Funktion ist auch über die API verfügbar (siehe hier).
Hinweis: Wenn Sie eine Nachricht aus einer Quelle löschen, während sie sich in einem Dataset befindet , wird diese Nachricht aus allen anderen Dataset entfernt, die diese Quelle enthalten. Nehmen Sie diese Aktion also nicht auf die leichte Maschinen. Die Meldung könnte als Trainingsdaten in einem anderen Dataset fungieren. Wenn Sie sie entfernen, wirkt sich das auf das Modell in diesem Dataset aus. Wenn eine Meldung in einer Quelle keinen zusätzlichen Wert für Ihren Anwendungsfall bietet, vergewissern Sie sich, dass sie keinen Wert für andere Datasets bietet, bevor Sie sie löschen. Die Seite „Quellen“ gibt einen Hinweis auf andere Datasets, die mit der jeweiligen Quelle verbunden sind.
Um eine Nachricht zu löschen, klicken Sie einfach auf die Schaltfläche „Löschen“ in der unteren rechten Ecke der Nachricht , wie unten gezeigt. Diese Schaltfläche wird nur angezeigt, wenn Sie über die erforderliche Berechtigung zum Bearbeiten von Nachrichten verfügen.
Sie erhalten dann eine Warnung und eine Bestätigungsanforderung, wie unten gezeigt. Wenn Sie trotz der Warnung fortfahren möchten, klicken Sie auf „Löschen“.