communications-mining
latest
false
Wichtig :
Dieser Inhalt wurde maschinell übersetzt.
UiPath logo, featuring letters U and I in white
Communications Mining-Benutzerhandbuch
Last updated 19. Nov. 2024

Erkunden

Benutzerberechtigungen erforderlich: „Quellen anzeigen“ UND „Beschriftungen anzeigen“.

Überblick

Auf der Seite „Erkunden“ können Sie ein Dataset suchen, überprüfen und filtern, um einzelne Meldungen und allgemeine Felder zu überprüfen und zu überprüfen. Sie können zur Seite „Erkunden“ navigieren, indem Sie in der oberen Navigationsleiste auf „Erkunden“ klicken.

Seite Erkunden

Standardmäßig zeigt Explore die 20 neuesten Meldungen in einem Dataset im Modus „ Recent“ an. Sie können auf den Dropdownmodus-Selektor in der oberen linken Ecke der Seite klicken, um dies zu ändern.

Auswahl des Dropdownmodus

Die verschiedenen Optionen, die Sie aus dem Dropdownmenü auswählen können, sind:

  • Zuletzt verwendet – Zeigen Sie die 20 neuesten Nachrichten an
  • Mischen – 20 zufällige Nachrichten anzeigen
  • Teach – Zeigt 20 Meldungen an, bei denen die Plattform nicht sicher ist, wie sie kommentiert werden sollen
  • Geringe Konfidenz – 20 Meldungen anzeigen, die nicht gut durch informative Bezeichnungsvorhersagen abgedeckt werden
  • Neuausgleich – Zeigt 20 Meldungen an, die von den Trainingsdaten in Ihrem Dataset unterrepräsentiert werden
  • Bezeichnung – 20 Nachrichten mit der ausgewählten Bezeichnung zugewiesen/vorhergesagt anzeigen (dies ist der Standardmodus, wenn eine Bezeichnung ausgewählt ist)
  • Beschriftung überprüfen – Zeigen Sie 20 Nachrichten an, bei denen die ausgewählte Beschriftung möglicherweise falsch angewendet wird
  • Fehlende Beschriftung – Zeigen Sie 20 Nachrichten an, bei denen möglicherweise die ausgewählte Beschriftung fehlt

Am unteren Rand der Seite können Sie klicken, um zur nächsten Seite von 20 Meldungen zu wechseln oder zu einer vorherigen Seite zurückzukehren.

Filterleiste und Hinzufügen oder Entfernen von Filtern

Hinweis: In diesem Artikel werden die Filter in Communications Mining™ und ihre Anwendung erläutert. Um zu sehen, wie Sie Konversationsfilter (eine Funktion von Autopilot™ for Communications Mining) nutzen, um eine Abfrage in natürlicher Sprache automatisch in den richtigen Satz von Filtern umzuwandeln, sehen Sie sich die Seite Autopilot™ for Communications Mining – Konversationsfilter (Vorschau) an.

In der Filterleiste auf der linken Seite der Seite (wie unten gezeigt) können Sie bestimmte Nachrichtengruppen finden.

Über diese Filterleiste können Sie filtern nach:

  • Bestimmte Datumsbereiche (wählen Sie genaue Datumsangaben oder wählen Sie aus Optionen wie „letzte Woche, Monat, 90 Tage oder Jahr“)
  • Überprüfte oder nicht überprüfte Nachrichten
  • Nachrichten mit positiven oder negativen Stimmungsvorhersagen (wenn die Stimmung im Dataset aktiviert ist)
  • Fügen Sie einen beliebigen Filter basierend auf den Metadateneigenschaften hinzu, die Ihren Nachrichten zugeordnet sind (klicken Sie auf „Neuen Filter hinzufügen“)
  • Filtern Sie nach Nachrichten, für die bestimmte allgemeine Felder vorhergesagt oder zugewiesen wurden
  • Nach Nachrichten filtern, für die eine bestimmte Bezeichnung oder Kombination von Bezeichnungen vorhergesagt wurde (weitere Informationen finden Sie im Artikel über erweiterte Vorhersagefilter )
Filterleiste

Hinzufügen eines Benutzereigenschaftsfilters

Wenn Sie auf „Neuen Filter hinzufügen“ klicken, wird in der Dropdownliste eine vollständige Liste aller verfügbaren Eigenschaftsfilter angezeigt.

Diese werden natürlich nach Kategorien gruppiert und einige sind eindeutig für den Kommunikationstyp im Dataset, z. B E-Mail.

Die Eigenschaftskategorien, in denen Eigenschaften zusammen gruppiert werden, sind:

  • Quelle – Dies wird nur angezeigt, wenn das Dataset mehr als eine Quelle enthält
  • E-Mail – Diese sind spezifisch für einzelne E-Mails, z. B. wer sie gesendet hat
  • Thread – Diese sind E-Mail-spezifisch und beziehen sich auf die Eigenschaften von E-Mail-Threads
  • Anhang – Spezifisch für Nachrichten (hauptsächlich E-Mails) mit bestimmten Anhangseigenschaften.
  • Benutzer – alle anderen Metadateneigenschaften, die mit jeder Nachricht hochgeladen (und nicht von der Plattform abgeleitet) werden
Filter-Dropdownmenü mit verschiedenen Eigenschaftskategorien

Links neben jeder Eigenschaft gibt ein Symbol den Eigenschaftstyp an, also eine Zahl oder eine Zeichenfolge. Für String-Benutzereigenschaften stellt die Plattform einen Beispielwert für den Mauszeiger bereit (siehe unten).

Filter-Dropdownmenü mit Beispieleigenschaftswert

Wenn Sie einen Filter zu Metadatenfeldern mit einem String-Format hinzufügen, können Sie auswählen, welche Sie in Ihre Auswahl ein- oder ausschließen möchten (wie in den beiden folgenden Beispielen gezeigt):

Beispiel für Einschlussfilter für ein Metadatenfeld im String-Format

Beispiel für Ausschlussfilter für ein Metadatenfeld im String-Format

Hinweis: Wenn Sie bestimmte Werte für eine Benutzereigenschaft einschließen, schließen Sie automatisch den Rest aus (und umgekehrt).

Wenn Sie einen Filter zu Metadatenfeldern mit einem Zahlenformat hinzufügen, können Sie Mindest- oder Höchstwerte auswählen (wie unten gezeigt), um einen Bereich Ihrer Wahl zu erstellen:

Filtern Sie nach Metadatenfeldern im Zahlenformat

Entfernen eines Eigenschaftsfilters

Um einen angewendeten Filter zu entfernen, klicken Sie einfach auf das Papierkorbsymbol, das angezeigt wird, wenn Sie mit der Maus darauf zeigen (wie unten gezeigt), oder wählen Sie „Alle löschen“ oben in der Filterleiste aus, um alle angewendeten Filter zu entfernen .

Filter mit dem Symbol „Filter entfernen“.

Beschriftungsfilter

Hinweis: Die Einführung der erweiterten Vorhersagefilter bedeutet, dass die Bezeichnungsfilterleiste nicht mehr automatisch den Trainingsmodus „Bezeichnung“ auswählt und Sie sie auch nicht verwenden, um eine Bezeichnung zum Trainieren in einem anderen Modus wie „Bezeichnung überprüfen“ auszuwählen Dies geschieht über die Taxonomie-Dropdownliste, die angezeigt wird, nachdem Sie einen Trainingsmodus aus dem oben angezeigten Dropdownmenü ausgewählt haben.

Sie können die Beschriftungsfilterleiste verwenden, um nach Meldungen zu filtern, für die bestimmte Beschriftungen vorhergesagt wurden (oder nicht), entweder während des Modelltrainings oder beim Erkunden und Interpretieren Ihrer Daten. Weitere Informationen zur Funktionsweise finden Sie im Artikel über erweiterte Vorhersagefilter hier.

Mit den Schaltflächen oben in der Beschriftungsleiste können Sie zwischen der Anzeige aller Nachrichten, denen, denen Beschriftungen zugewiesen wurden, oder denen mit Vorhersagen (die nicht überprüft wurden) filtern. Die Symbole sind unten dargestellt und ändern ihre Farbe, wenn sie ausgewählt wird:

docs imageWählen Sie Nachrichten mit zugewiesenen Beschriftungen aus
docs imageWählen Sie Nachrichten aus, deren Beschriftungen vorhergesagt wurden

Um die Auswahl des Filters aufzuheben, klicken Sie einfach erneut auf die Schaltfläche.

Wenn Sie keine der Schaltflächen auswählen, sondern nach einer Bezeichnung filtern, filtert die Plattform nach allen Nachrichten, die die Bezeichnung entweder angeheftet oder vorhergesagt haben, beginnend mit den überprüften Nachrichten zuerst.

Anleitung für die Beschriftungsleiste

Mit der Bezeichnungsfilterleiste und „+ Bezeichnungsfilter hinzufügen“ können Sie komplexe Kombinationen oder Ein- und Ausschlussfilter hinzufügen (d. h zeige mir Nachrichten mit X und Y vorhergesagt, aber nicht Z). Weitere Informationen zur Verwendung dieser Filter finden Sie hier im Artikel „Erweiterte Vorhersagefilter“.

Roter Trainingsindikator:

  • Der rote Trainingsindikator ( hier für Erklärungen) neben einigen Beschriftungen hebt diejenigen hervor, die weitere Trainingsbeispiele erfordern, damit die Plattform die Leistung der Beschriftung genau auswerten kann
  • Die Vollständigkeit des Kreises gibt an, wie viele weitere Beispiele benötigt werden. Je größer der rote Abschnitt, desto mehr Beispiele sind erforderlich
  • Sobald Sie 25 beschriftete Beispiele haben, verschwindet der rote Kreis (je nach Komplexität der Beschriftung benötigen Sie jedoch möglicherweise mehr Beispiele, um genaue Vorhersagen zu erhalten).
  • Sie sollten die Nachrichten überprüfen , um weitere Trainingsbeispiele zu finden.

Thread-Ansicht (E-Mail-spezifische Daten)

Bei Datasets, die E-Mails enthalten, werden diese mit der E-Mail angezeigt, die der ausgewählten Sortierreihenfolge entspricht (z. B Label, Fehlendes Label usw.), aber mit einfachem Zugriff auf die anderen E-Mails, die sich im selben E-Mail-Thread befinden.

Im folgenden Beispiel sehen Sie, dass sich die sortierte E-Mail in einem Thread mit drei E-Mails befindet und dies die dritte E-Mail im Thread ist.

Normale E-Mail-Ansicht für E-Mails, die der aktuellen Sortierreihenfolge und/oder den in Analysefenster ausgewählten Filtern entsprechen

Wenn Sie auf das bidirektionale Pfeilsymbol unter dem Betreff klicken, können Sie den E-Mail-Thread erweitern, um Teilansichten der anderen E-Mails im Thread anzuzeigen, wie unten zu sehen ist:

Teilweise erweiterte Thread-Ansicht mit der sortierten E-Mail und Teilen der anderen E-Mails im Thread

Wenn Sie erneut auf eine der teilweise erweiterten E-Mails klicken, werden sie wie die ursprüngliche sortierte E-Mail vollständig erweitert, wie unten zu sehen ist:

Vollständig erweiterte Thread-Ansicht mit allen drei vollständigen E-Mails in diesem speziellen Thread

War diese Seite hilfreich?

Hilfe erhalten
RPA lernen – Automatisierungskurse
UiPath Community-Forum
Uipath Logo White
Vertrauen und Sicherheit
© 2005–2024 UiPath. Alle Rechte vorbehalten