- 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
- Überblick
- Übersicht über die Einrichtung Ihrer Extraktionsfelder
- Filtern des Extraktionsfeldtyps
- Generieren Ihrer Extraktionen
- Validieren und kommentieren Sie generierte Extraktionen
- Bewährte Methoden und Überlegungen
- Grundlegendes zur Validierung von Extraktionen und Extraktionsleistung
- Häufig gestellte Fragen
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Lizenzierungsinformationen
- Häufige Fragen und mehr
Übersicht über die Einrichtung Ihrer Extraktionsfelder
- Während des Modelltrainingsprozesses können Sie jederzeit eine neue Extraktion einrichten, Ihr Schema ändern oder Ihrem vorhandenen Schema in „Erkunden“ zusätzliche Felder hinzufügen.
- Durch das Einrichten Ihrer Extraktionen in Erkunden können Sie:
- Ihre Felder auf Daten aus Ihren Nachrichten basieren.
- neue Felder zu Extraktionen hinzufügen, sobald Sie sie sehen.
- Während des Modelltrainingsprozesses können Sie jederzeit eine neue Extraktion einrichten, Ihr Schema ändern oder Ihrem vorhandenen Schema in den Einstellungen zusätzliche Felder hinzufügen.
- Wenn Sie wissen, welche Felder Sie im Voraus extrahieren möchten, richten Sie Ihre Extraktionen in einem Massenvorgang in den Einstellungen ein.
- Um Ihre Extraktionen einzurichten, richten Sie Ihre Felder ein, die einen Namen und einen Feldtyp erfordern. Es wird empfohlen, dies auf der niedrigsten Bezeichnung auf untergeordneter Ebene zu tun.
- Seien Sie beschreibend und präzise. Wählen Sie Feldnamen aus, die die Daten, die sie darstellen, genau beschreiben. Achten Sie auf ein ausgewogenes Verhältnis zwischen Kürze und Übersichtlichkeit. Geben Sie Ihrem Feld einen genauen und beschreibenden Namen, da er dem Modell den erforderlichen Kontext zur Rolle des Felds gibt.
- Wenn Sie beispielsweise bei einer Adressänderung nur eine neue Adresse extrahieren möchten, ist es hilfreich, Feldnamen mit folgenden Namen konfiguriert zu haben: neue Adresse, neue Stadt, neue Postleitzahl und neue Stadt.
- Vermeiden Sie nicht eindeutige Feldnamen. Stellen Sie sicher, dass Feldnamen eindeutig sind und nicht leicht mit anderen Feldern oder Konzepten in Ihrem Projekt verwechselt werden können. Anstatt beispielsweise Wert zu verwenden, verwenden Sie einen spezifischeren Namen wie Verkaufsbetrag oder Kontostand.
- Sie können Extraktionsfelder mit demselben Feldtyp in, aber nicht für mehrere allgemeine Felder haben. Um dies für allgemeine Felder zu beheben, erstellen Sie einen weiteren Feldtyp mit den gleichen Einstellungen, um dies zu beheben.
Sie müssen zwei verschiedene Feldtypen erstellen (einen für Datum vor und Datum nach) und sie den jeweiligen Formulardefinitionen zuordnen.
Ein Feldname wird verwendet, um das Modell aufzurufen. Wenn Ihre Extraktionen nicht wie erwartet funktionieren, passen Sie Ihren Feldnamen an, um ihn an Ihren Anwendungsfall anzupassen. Das Anpassen des Feldnamens kann die Leistung verbessern.
Die folgenden Feldnamen sind nur Beispiele – wie Sie Ihre Felder benennen, ist anwendungsfallabhängig und hängt vom Kontext ab, in dem Sie extrahieren möchten.
Use case | Nicht empfohlene Feldnamen | Bessere Feldnamen |
---|---|---|
Als Teil einer Adressänderungsanforderung möchten Sie die Details der neuen Adresse extrahieren, die im Anschluss in Ihr System eingegeben werden sollen. |
|
|
Im Rahmen einer Versandanfrage möchten Sie die gesamte Steueraufschlüsselung (sowohl der Mehrwertsteuerbetrag als auch der Mehrwertsteuersatz) für jede Ihrer Waren ermitteln, die in SAP eingegeben werden sollen. |
|
|
Im Rahmen einer Rechnungsänderungsanforderung möchten Sie feststellen, wie die alte Rechnungsnummer lautete und in was sie geändert werden muss, um die alte Rechnung zu stornieren und eine neue erneut auszustellen. |
|
|
Es gibt zwei verschiedene Arten von Feldern, die die End-to-End-Automatisierung erleichtern:
- Allgemeine Felder
- Extraktionsfelder.
Es ist wichtig, die verschiedenen in Communications Mining verfügbaren Feldtypen zu verstehen und zu wissen, wann sie jeweils verwendet werden sollen.
Allgemeine Felder | Extraktionsfelder |
---|---|
Allgemeine Felder sind Felder, die Sie möglicherweise extrahieren möchten und die über mehrere verschiedene Themen/Bezeichnungen in einem Dataset hinweg zu finden sind.
| Extraktionsfelder sind die Felder, die mit einer bestimmten Bezeichnung bedingt (und erstellt) sind. Mit anderen Worten, sie ist an eine bestimmte Bezeichnung gebunden, die Sie automatisieren möchten.
|
In der folgenden Tabelle werden die wichtigsten Unterschiede zwischen allgemeinen Feldern und Extraktionsfeldern erfasst. Überprüfen Sie die Unterschiede, da zwei völlig unterschiedliche Modelle diese Feldarten vorhersagen.
Feldtyp | Vorhergesagt | Überprüft unter | Sparless* vs. Spanisch* | Abschnitte überschneiden? | Teilen Sie Feldtypen zwischen Feldern derselben Art | Unterstützte Datentypen** |
Allgemeine Felder | Automatisch datasetübergreifend | Auf Absatzebene | Nur spanful | Nein | Nein (vorerst) |
|
Extraktionsfelder | (derzeit) nur bei Bedarf | Eine Nachrichtenebene (im Kontext der Bezeichnung) | Sowohl spanless als auch spanless | Ja | Ja |
|
Überprüfen Sie die Spanischenfelder auf der Seite Spanische Felder im Vergleich zu Spanischen Feldern in diesem Handbuch.
Überprüfen Sie die von jeder Feldart unterstützten Datentypen auf der Seite „Datentypen“ dieses Handbuchs.
In diesem Beispiel kann die Plattform die Extraktionsfelder identifizieren, die für die End-to-End-Automatisierung dieser beiden Bezeichnungen relevant sind.
In diesem Beispiel ist die Plattform nicht zuversichtlich, dass eine bestimmte Bezeichnung in der Taxonomie für diese Nachricht gilt. Die Plattform kann bestimmte Felder weiterhin aus der Nachricht selbst extrahieren. Wenn Sie allgemeine Felder einrichten, kann die Plattform diese Felder unabhängig von einer Bezeichnungsvorhersage aufnehmen.
Sie können sowohl Ihre allgemeinen Felder als auch Ihre Extraktionsfelder über die Seite „ Erkunden “ einrichten oder ändern, indem Sie die folgenden Schritte ausführen.
- Wählen Sie bei einer Kommunikation mit einer Bezeichnung, in der Sie Ihr Extraktionsfeld in „ Erkunden“ definieren möchten, Felder kommentieren aus.
- Wenn Sie ein Extraktionsfeld einrichten, zeigen Sie mit dem Mauszeiger in der Leiste mit den Feldanmerkungen auf der rechten Seite auf den Beschriftungsnamen und wählen Sie Felder verwalten aus. Wenn Sie ein allgemeines Feld einrichten, zeigen Sie mit dem Mauszeiger auf Allgemeine Felder und verwalten Sie dort Ihre Felder.
- Wählen Sie Neues Extraktionsfeld aus , um ein neues Extraktionsfeld hinzuzufügen. Sie können mehr als ein Feld hinzufügen.
- Geben Sie die Namen der Extraktionsfelder und den Feldtyp ein , die Sie extrahieren möchten. Sie können einen vorhandenen Feldtyp auswählen oder einen neuen erstellen, wenn das, was Sie extrahieren möchten, nicht konfiguriert ist.
- Wählen Sie unten rechts Speichern aus, um die Extraktionsfelder zu speichern.
Richten Sie Ihre allgemeinen Felder oder Extraktionsfelder über die Seite Einstellungen ein oder ändern Sie sie, indem Sie die folgenden Schritte ausführen.
Führen Sie die folgenden Schritte aus, um Felder ebenfalls über Trainieren zu konfigurieren:
- Wechseln Sie zu Einstellungen und dann zu Taxonomie.
- Um ein Extraktionsfeld zu erstellen, wechseln Sie zur Registerkarte Beschriftungen und Felder .
- Wählen Sie auf der spezifischen Beschriftung, für die Sie ein Extraktionsfeld erstellen möchten, das Dropdownmenü aus. Wenn Sie die Dropdownliste auswählen, wird die Liste aller Felder auf einer bestimmten Beschriftung erweitert.
- Um ein neues Extraktionsfeld hinzuzufügen, wählen Sie unten das Extraktionsfeld aus .
- Geben Sie den Feldnamen sowie den Feldtyp für Extraktion ein, um Ihr neues Extraktionsfeld zu konfigurieren.
- Um ein neues allgemeines Feld zu erstellen, wechseln Sie zur Registerkarte Allgemeine Felder . Wählen Sie in der oberen rechten Ecke das Feld Neu aus .
- Geben Sie den Feldnamen und den Feldtyp Allgemein ein , um Ihre neuen allgemeinen Felder zu konfigurieren.
Wenn Sie Ihre Felder einrichten, müssen Sie den spezifischen Datentyp auswählen.
- Datum
- Exact Text
- Inferred Text
- Geldmenge
- Nummer
The following table details when to use each type.
Feldtypen | ||||
Datentyp | Allgemeines Feld | Extraktionsfeld | Beschreibung | Beispiele |
Zeichenfolge | X | X | Zeichenfolgen können beliebige Zeichen enthalten (Buchstaben, Ziffern usw.).
Strings können auch Eingabewerte haben, die explizit in der Nachricht vorhanden sind (spanful) oder abgeleitete (spanless) sind. Weitere Informationen finden Sie unten. |
|
Datum* | X | X | Datumsangaben gibt es in unterschiedlichen unstrukturierten Formaten und sie verwenden das vortrainierte Datumsfeld von UiPath®.
|
|
Nummer | X | X | Mengen haben unterschiedliche unstrukturierte Formate und verwenden das vortrainierte Mengenfeld von UiPath®, um Zahlen zu interpretieren.
|
|
Monetär Menge* | X | X | Ebenso liegen Geldmengen in der Regel auch in unterschiedlichen unstrukturierten Formaten vor und verwenden das vortrainierte UiPath®-Geldmengenmodell von UiPath®.
|
|
RegEx | X | | Wenn ein bestimmtes Feld immer in einem bestimmten Format extrahiert werden muss, können die Regeln mit RegEx konfiguriert werden. Weitere Informationen finden Sie in der offiziellen UiPath®- Dokumentation |
|
Vorlage | X | | Eine Liste der unterstützten Vorlagen finden Sie in der offiziellen UiPath®-Dokumentation |
|
Viele Felder müssen möglicherweise in ein strukturiertes Datenformat für nachgelagerte Prozesse normalisiert werden.
Innerhalb der Plattform sind Geldbeträge und Datumsangaben allgemeine Feldtypen, die automatisch normalisiert werden. Weitere Informationen finden Sie in der offiziellen UiPath®- Dokumentation zur Feldnormalisierung.
Was ist ein Spanisch-Feld?
Ein vollständiges Feld ist ein Datenpunkt, der explizit im Text angegeben wird (z. B. eine Geschäfts-ID, eine Versicherungsnummer).
Was ist ein Bereichless-Feld?
Ein spanless Feld ist ein Datenpunkt, der möglicherweise nicht explizit im Text angegeben wird, sondern aus der Nachricht extrahiert werden muss (d. h. aus der Nachricht abgeleitet werden kann). Mit anderen Worten, der Textabschnitt, den Sie extrahieren möchten, ist möglicherweise nicht unbedingt in der Nachricht vorhanden .
Geben Sie beim Einrichten allgemeiner Felder an, ob der Eingabewert in der Nachricht vorhanden sein muss oder ob er aus der Nachricht abgeleitet werden kann (d. h – muss genau so aus dem Text extrahiert werden, wie er vorliegt ).
Einige Beispiele für Felder, die möglicherweise spanlos sein müssen:
- Werte, die normalisiert werden müssen (z. B. ein Datum).
- Werte, die über verschiedene Bereiche in einer E-Mail hinweg verkettet werden müssen.
- Werte, die nirgendwo in einer E-Mail vorhanden sind, aber durch die Art der E-Mail impliziert werden
- Werte, die sich über mehrere Absätze, Zeilen oder Spalten erstrecken (d. h. nicht in einem kontinuierlichen Abschnitt erscheinen).
Ein Feldtyp ist der Ausgangsstatus Ihres neuen Felds. Wenn Sie keinen Feldtyp verwenden möchten, führen Sie die folgenden Schritte aus, um einen neuen Feldtyp einzurichten. Sie können den neuen Feldtyp beim Erstellen eines Felds in der Dropdownliste einrichten, aber bei Bedarf auch auf der Feldtypseite selbst.
Geben Sie den breitesten Feldtyp ein, der möglich ist, und optimieren Sie ihn dann, um spezifischer zu sein.
- A – Geben Sie Ihrem Feldtyp einen Namen.
Hinweis: Der Feldtypname wird vom Modell NICHT auf die gleiche Weise für den Kontext verwendet wie Feldnamen.
- B – Definieren Sie, ob Sie einen neuen Feldtyp für ein Extraktionsfeld oder ein allgemeines Feld einrichten.
- C – Beim Einrichten Ihrer allgemeinen Felder oder Extraktionsfelder müssen Sie den spezifischen Datentyp für den Feldtyp auswählen.
Hinweis: Je nachdem, ob Sie einen neuen Feldtyp oder ein allgemeines Feld für eine Extraktion einrichten, kann Ihr Datentyp, den Sie konfigurieren können, variieren. Je nach ausgewähltem Datentyp sind auch zusätzliche Konfigurationen anwendbar.
Sie können einen neuen Feldtyp entweder über die Seite Erkunden oder die Seite Einstellungen über die Registerkarte Trainieren einrichten.
Nachdem der Datentyp für einen Feldtyp konfiguriert wurde, können Sie ihn nicht mehr ändern. Wählen Sie beim Erstellen eines Feldtyps den richtigen Datentyp aus. Wenn Sie nicht die richtigen Daten auswählen, müssen Sie den Feldtyp löschen und mit dem richtigen Datentyp neu erstellen.
Sie können einen neuen Feldtyp sowohl für Extraktionsfelder als auch für allgemeine Felder über die Seite Einstellungen einrichten.
Um einen neuen Feldtyp auf der Seite Einstellungen einzurichten, führen Sie die folgenden Schritte aus.
(1) Einstellungen > (2) Taxonomie > (3) Feldtypen > (4) Neuer Feldtyp > (5) Richten Sie Ihren Feldtyp ein.
Um Ihre Feldtypen über die Seite Erkunden einzurichten, führen Sie die folgenden Schritte aus.
(1) Erkunden > (2) Felder kommentieren > (3) Klicken Sie auf die 3 Punkte neben dem Abschnitt „Allgemeines Feld“ oder „Extraktionsfeld“. Sie können einen neuen Feldtyp nur im jeweiligen Abschnitt erstellen > (4) Felder verwalten > (5) Feldtyp-Dropdownliste auswählen und dann Neuer Feldtyp. Richten Sie Ihren Feldtyp ein.
- Seite Erkunden
- Seite Einstellungen
- Seite trainieren
- Allgemeine Anleitung
- Best Practice für Feldnamen
- Allgemeine vs. Extraktionsfelder
- Beispiel für Extraktionsfelder
- Beispiel für allgemeine Felder
- Richten Sie Ihre Felder über Erkunden ein
- Richten Sie Ihre Felder über Einstellungen ein
- Einrichten von Feldtypen
- Erstellen eines neuen Feldtyps
- Erstellen eines neuen Feldtyps über Einstellungen
- Erstellen eines neuen Feldtyps über Analysefenster