- 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)
- Der Status des 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
Überblick
Generative Extraktion (GenEx) ist eine innovative neue Funktion für UiPath® Communications Mining, die generative KI nutzt, um die komplexen Beziehungen zwischen mehreren Anforderungen und den für ihre Verarbeitung erforderlichen Datenpunkten zu verstehen.
Eine E-Mail kann mehrere Anforderungen enthalten, wobei für jede mehrere Felder extrahiert werden müssen, um die Automatisierung zu aktivieren. Die Automatisierung dieses End-to-Ends erfordert mehr als nur das korrekte Extrahieren des Felds selbst, sondern auch ein Verständnis dafür, wie die einzelnen Elemente miteinander zusammenhängen. GenEx erweitert die Möglichkeiten der kommunikationsbasierten Automatisierung erheblich.
Die generative Extraktion nutzt die neuesten NLP-Funktionen und bietet auch die notwendigen Leitplanken , die Unternehmen benötigen, um komplexe kommunikationsbasierte Automatisierungen für Geschäftsprozesse zu implementieren.
Komplexere Prozesse und Kommunikationen mit mehreren unterschiedlichen Anforderungen können jetzt ebenfalls Hauptkandidaten für eine Automatisierung sein.
Für einige Anwendungsfälle können Extraktionen ohne Training generiert und mit wenigen Trainingsdaten weiter optimiert werden.
In den folgenden Schritten wird der End-to-End-Prozess zur Validierung von Extraktionen beschrieben. Zu den einzelnen Schritten finden Sie weitere Informationen in den nachfolgenden Abschnitten.
- Definieren Sie Ihr Extraktionsschema.
- Ermitteln Sie, welche Prozesse (z. B. Bezeichnungen) Sie automatisieren möchten und welche Datenpunkte (z. B Felder), die erfasst werden müssen, um die Automatisierung zu aktivieren.
- Erstellen Sie das entsprechende Extraktionsschema.
- Generieren von Extraktionen. Durch das Generieren von Extraktionen können Sie den Prozess des Suchens und Zuordnens von Daten erheblich beschleunigen . Für einige Anwendungsfälle benötigt die Plattform keine Trainingsbeispiele, um ihre Extraktionen zu generieren.
- Nutzen Sie die generativen Funktionen der Plattform, um Ihre ersten Extraktionen zu erstellen.
- Validieren und korrigieren Sie Extraktionen.
- Überprüfen Sie die Extraktionen der Plattform und akzeptieren Sie sie, wenn sie korrekt sind, oder korrigieren Sie sie, wenn sie nicht korrekt sind.
- Die Plattform ist flexibel und einfach, und Sie können an jedem Punkt des Trainingsprozesses neue Extraktionsschemas hinzufügen.
- Überprüfen Sie die Validierung für Extraktionen.
- Überprüfen Sie die Leistung Ihrer Extraktionen (über Validierung).
- Bestimmen Sie, ob Ihre Extraktionen auf einer Leistungsstufe sind, die für Ihren Anwendungsfall geeignet ist.
Das folgende Diagramm veranschaulicht, wie die generative Extraktion auf hoher Ebene funktioniert. Sie können die Beziehung zwischen Beschriftungen, Extraktionen und den entsprechenden Feldern überprüfen, die erforderlich sind, um einen Prozess durchgängig zu automatisieren.
- Beim Einrichten Ihres Extraktionsschemas müssen Sie entscheiden, welche Prozesse (d. h Bezeichnungen), die Sie automatisieren möchten.
- Damit die Plattform den Zusammenhang zwischen dem Prozess und den zu extrahierenden Datenpunkten verstehen kann, werden Sie von der Plattform aufgefordert, die entsprechenden Datenpunkte anzugeben. Im Abschnitt Konfigurieren von Feldern werden weitere Details zu bewährten Methoden beschrieben und wie dies genau funktioniert.
Im folgenden Beispiel fragt der Anforderer nach zwei verschiedenen Themen in derselben Nachricht, wobei jede Anforderung unterschiedliche Datenpunkte für Extraktion und Aktion aufruft.
- Wenn Sie zuvor mit Entitäten in Communications Mining gearbeitet haben, können Sie ab 2024.4 Alle Ihre vorhandenen Entitäten werden automatisch auf allgemeine Felder umgestellt.
- Alle vorhandenen Einstellungen auf Ihren Entitäten werden zu den jeweiligen Einstellungen für das entsprechende allgemeine Feld migriert.
- Wenn Sie allgemeine Felder haben, die Sie auf Extraktionsfelder umstellen möchten, müssen Sie diese Felder als Extraktionsfelder neu erstellen und die entsprechende Anzahl von Trainingsbeispielen anwenden (falls zutreffend).
- Feldtypen haben die gleichen Namen und Konfigurationen wie die alten Entitäten, die zuvor eingerichtet wurden. Diese werden über den API-Namen zugeordnet.
- Wenn Sie Automatisierungen haben, die frühere Entitäten verwenden, sind diese Automatisierungen nicht betroffen.
- Die Automatisierung von Prozessen mithilfe der generativen Extraktion unterscheidet sich geringfügig von der Art und Weise, wie Prozesse zuvor mithilfe von Entitäten automatisiert wurden. Weitere Informationen finden Sie im Abschnitt Automatisieren mit GenEx dieses Handbuchs.
