Communications Mining
Neuestes
False
- 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
- Häufige Fragen und mehr
Communications Mining-Benutzerhandbuch
Letzte Aktualisierung 17. Mai 2024
Exportieren Sie ein Dataset
Benutzerberechtigungen erforderlich: „Datasets exportieren“ (für den vollständigen Export).
Ein Benutzer kann die Meldungen und zugehörigen Bezeichnungsvorhersagen direkt aus der GUI als CSV-Datei exportieren. Wenn sie über die Berechtigung zum Exportieren von Datasets verfügen, können sie das gesamte Dataset (oder eine Teilmenge basierend auf Filtern) exportieren. Andernfalls können sie nur die aktuelle Seite mit Nachrichten in „Erkunden“ herunterladen.
So exportieren Sie Daten von der Plattform:
- Navigieren Sie zu Erkunden und klicken Sie auf die Schaltfläche für den Export neben dem Modus-Selektor in der oberen rechten Ecke der Seite (wie unten gezeigt)
- Dies bietet Ihnen die Möglichkeit, nur die aktuelle Seite der Nachrichten im Analysefenster oder alle Nachrichten zu exportieren, die den aktuellen Filtern entsprechen, die Sie im Analysefenster angewendet haben (z. B. ein bestimmter Zeitraum oder eine Metadateneigenschaft wie die NPS-Punktzahl > 8)
- Wenn Sie einen Bezeichnungsfilter anwenden, dient dies als Sortierreihenfolge für die Nachrichten im CSV-Download, geordnet nach dem Konfidenzwert der ausgewählten Bezeichnung, die für diese Nachricht gilt
- Nachdem Sie „Nur diese Seite“ oder „Alle übereinstimmenden Nachrichten“ ausgewählt haben, wird ein CSV-Download Ihrer Daten ausgelöst
Dropdownmenü für das Exportieren von Datasets
