- Einleitung
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder (früher Entitäten)
- Bezeichnungen (Vorhersagen, Konfidenzniveaus, Hierarchie usw.)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Nachrichten mit und ohne Anmerkungen
- Extraktionsfelder
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Zugriffskontrolle und Verwaltung
- Verwalten Sie Quellen und Datasets
- Verstehen der Datenstruktur und -berechtigungen
- Erstellen oder löschen Sie eine Datenquelle in der 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 Dataset-Einstellungen
- Löschen Sie Nachrichten über die Benutzeroberfläche
- Löschen Sie ein Dataset
- Exportieren Sie ein Dataset
- Verwenden von Exchange-Integrationen
- Modelltraining und -wartung
- Grundlegendes zu Beschriftungen, allgemeinen Feldern und Metadaten
- Beschriftungshierarchie und Best Practices
- Analyse- vs. Automatisierungsanwendungsfälle
- Konvertieren Ihrer Ziele in Bezeichnungen
- 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
- Lizenzierung
- Häufige Fragen und mehr

Communications Mining-Benutzerhandbuch
Extraktionsfelder
Extraktionsfelder sind die Datenpunkte, die bestimmten Beschriftungen zugeordnet sind, die zum Verarbeiten der Aufgabe erforderlich sind, die dieser Beschriftung zugeordnet ist. Sie werden von der LLM-basierten generativen Extraktionsfunktion vorhergesagt.
Bevor Sie Extraktionen einrichten, ist es wichtig, die erforderlichen Datenpunkte zu verstehen, um die Workflowerweiterung oder die End-to-End-Automatisierung für die Prozesse zu vereinfachen, die durch die Bezeichnungen in Ihrer Taxonomie dargestellt werden.
Im folgenden Beispiel kann die Plattform die relevanten Extraktionsfelder identifizieren, die die End-to-End-Automatisierung der beiden Beschriftungen erleichtern können:
- Trainieren
- Erkunden
- Einstellungen
Weitere Informationen zum Einrichten von Extraktionsfeldern finden Sie unter Übersicht über das Einrichten Ihrer Extraktionsfelder.