- 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
- Verwenden von allgemeinen Feldern
- Anwenden von Beschriftungen
- Überprüfen von Nachrichten
- Nachrichten werden gesucht
- Bearbeitung der Beschriftung
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Lizenzierungsinformationen
- Häufige Fragen und mehr
Communications Mining-Benutzerhandbuch
Überprüfen von Nachrichten
Benutzerberechtigungen erforderlich: „Quellen anzeigen“ UND „Überprüfen und Kommentieren“.
Überblick
Durch das Überprüfen nicht überprüfter Nachrichten und das Akzeptieren oder Ablehnen der vorhergesagten Beschriftungen und allgemeinen Felder 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 über das allgemeine Feld fahren, wird ein modales Fenster geöffnet, das die Konfidenz anzeigt, mit der das Modell das allgemeine Feld vorhergesagt hat.
Ein allgemeines Feld akzeptieren/ablehnen
- Wenn Sie im allgemeinen Feld auf „Bestätigen“ klicken (oder auf den Hotkey – der zum Bestätigen eines allgemeinen Felds „1“ ist), wird das allgemeine Feld an die Nachricht angehängt, d. h. die Vorhersage dieser Bezeichnung durch das Modell wird bestätigt
- Wenn Sie im allgemeinen Feld auf „Verwerfen“ klicken (oder auf den Hotkey – „2“, um ein allgemeines Feld zu verwerfen), wird der Plattform mitgeteilt, dass das vorhergesagte allgemeine Feld falsch ist
- Wenn Sie auf die Schaltfläche Allgemeines Feld ändern klicken, können wir ein anderes allgemeines Feld zuweisen, wenn das vorhergesagte allgemeine Feld falsch ist
- Wenn Sie im obigen Beispiel auf diese Schaltfläche klicken, werden die anderen allgemeinen Felder in unserem Dataset angezeigt, die wir zuweisen können
- In diesem Fall können wir den allgemeinen Feldtyp in dieser Dropdownliste von „Kündigungsdatum“ in „Richtlinienstart“ ändern, wodurch dieses allgemeine Feld zugewiesen wird