- 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
- Create or delete a data source in the 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 Einstellungen eines Datasets
- Löschen Sie Nachrichten über die Benutzeroberfläche
- Löschen Sie ein Dataset
- Exportieren Sie ein Dataset
- Verwenden von Exchange-Integrationen
- 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
- 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
- Anheften und Taggen einer Modellversion
- Löschen eines angehefteten Modells
- Hinzufügen neuer Bezeichnungen zu vorhandenen Taxonomien
- Verwalten eines Modells in der Produktion
- Modell-Rollback
- Verwenden von allgemeinen Feldern
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Lizenzierungsinformationen
- Häufige Fragen und mehr
Communications Mining-Benutzerhandbuch
Anheften und Taggen einer Modellversion
Benutzerberechtigungen erforderlich: „Quellen anzeigen“ UND „Beschriftungen anzeigen“.
Jedes Mal, wenn Sie die Plattform mit Ihren Daten trainieren (d. h Hinzufügen von Anmerkungen zu Nachrichten), wird eine neue Version des Modells erstellt, das Ihrem Dataset zugeordnet ist. Da diese Modelle groß und komplex sind, werden frühere Versionen nicht automatisch in unseren Datenbanken gespeichert, allein weil die Speicheranforderungen unfassbar groß wären.
Die neueste Version des Modells ist immer verfügbar, aber Benutzer können eine bestimmte Modellversion anheften, die sie speichern möchten. Sie können auch angeheftete Modelle mit einem „Live“- oder „Staging“-Tag versehen.
Es gibt mehrere Gründe für das Anheften einer Modellversion:
- Durch das Anheften eines Modells können Sie Vorhersagen determinieren, insbesondere wenn Sie Streams verwenden. Das bedeutet, dass Sie sich auf die Präzisions- und Rückrufbewertungen für diese Version des Modells verlassen können und dass zukünftige Trainingsereignisse diese nicht verändern werden (zum Besseren oder schlechteren).
- Auf der Seite Validierung können Benutzer die Validierungspunktzahlen für frühere angeheftete Modellversionen sehen, so dass Sie die Punktzahlen im Laufe der Zeit vergleichen und sehen können, wie Ihr Modell zu einer Verbesserung des Trainings geführt hat
So heften Sie eine Modellversion an:
- Navigieren Sie über die obere Navigationsleiste zur Modellseite
- Verwenden Sie den Umschalter „Anheften“, um die aktuelle Modellversion zu speichern
So aktualisieren Sie das Tag für eine Modellversion:
- Klicken Sie auf den Pfeil neben „Tags“ in einem angehefteten Modell
- Wählen Sie „Live“ oder „Staging“ aus, je nach Status des angehefteten Modells in Downstream-Bereitstellungen