- 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
- Anwenden von Beschriftungen
- Überprüfen von Nachrichten
- Nachrichten werden gesucht
- Bearbeitung der Beschriftung
- Verwenden von Analytics & Monitoring
- Automatisierungs- und Communications Mining
- Häufige Fragen und mehr
Überprüfen von Nachrichten
Benutzerberechtigungen erforderlich: „Quellen anzeigen“ UND „Überprüfen und Beschriften“.
Überblick
Durch das Überprüfen nicht überprüfter Nachrichten und das Akzeptieren oder Ablehnen der vorhergesagten Bezeichnungen und Entitäten der Plattform werden das Modell und seine Genauigkeit weiter trainiert.
Sie können nicht überprüfte Nachrichten in den meisten Trainingsmodi in „Erkunden“ und in „Entdecken“ überprüfen:
- Cluster (Erkennen)
- Suchen (Entdecken und Erkunden)
- Zuletzt verwendet (Erkunden)
- Mischmodus (Erkunden)
- Beschriftungsmodus (Erkunden)
- Anzeige (Erkunden)
- Niedrige Konfidenz (Erkunden)
Stellen Sie sicher, dass Sie alle relevanten Beschriftungen in Ihrer Taxonomie auf jede Nachricht anwenden . Wenn Sie eine Meldung überprüfen, bringen Sie dem Modell nicht nur bei, welche Beschriftungen zutreffen, sondern auch, welche Beschriftungen nicht gelten. Wenn Sie nicht alle relevanten Bezeichnungen anwenden, senden Sie ein negatives Trainingssignal an das Modell, was sich auf seine Leistung auswirkt.
Die Opazität einer Bezeichnung zeigt die Konfidenz der Vorhersage der Plattform für diese Bezeichnung an, wobei eine höhere Opazität auf eine höhere Konfidenz hinweist.
Wenn Sie mit dem Mauszeiger über die Beschriftung fahren, wird ein modales Fenster geöffnet, das die Konfidenz anzeigt, mit der das Modell die Beschriftung vorhergesagt hat, und, wenn die Stimmungsanalyse aktiviert ist, die Nettostimmung.
- Wenn Sie auf die Beschriftung oder den Stimmungsindikator (wenn die Stimmungsanalyse aktiviert ist) klicken, wird die Beschriftung an die Nachricht angeheftet, d. h. die Vorhersage der Bezeichnung durch das Modell wird bestätigt
- Wenn Sie die Stimmung der vorhergesagten Beschriftung ändern möchten, klicken Sie auf das Gesichtsbild, das angezeigt wird, wenn Sie mit dem Mauszeiger über die Nachricht fahren
- Wenn die Vorhersage falsch ist, fügen Sie die richtige hinzu – dadurch werden die falschen Vorhersagen effektiv verworfen
Wenn Sie mit dem Mauszeiger auf die Entität zeigen, wird ein modales Fenster geöffnet, das die Konfidenz anzeigt, mit der das Modell die Entität vorhergesagt hat.
Akzeptieren/ablehnen einer Entität
- Wenn Sie bei der Entität auf „Bestätigen“ klicken (oder auf den Hotkey – der zum Bestätigen einer Entität „1“ ist), wird die Entität an die Nachricht angeheftet, d. h. die Vorhersage dieser Bezeichnung durch das Modell wird bestätigt
- Wenn Sie bei der Entität auf „Verwerfen“ klicken (oder auf den Hotkey – der zum Verwerfen einer Entität „2“ lautet), wird der Plattform mitgeteilt, dass die vorhergesagte Entität falsch ist
- Wenn Sie auf die Schaltfläche Entität ändern klicken, können wir eine andere Entität zuweisen, wenn die vorhergesagte Entität falsch ist
- Wenn Sie im obigen Beispiel auf diese Schaltfläche klicken, werden die anderen Entitäten in unserem Dataset angezeigt, die wir zuweisen können
- In diesem Fall können wir den Entitätstyp in dieser Dropdownliste von „Kündigungsdatum“ in „Richtlinienstart“ ändern, wodurch diese Entität zugewiesen wird