communications-mining
latest
false
- 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)
- Verstehen des Status Ihres 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
- 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
Nachrichten werden gesucht
Wichtig :
Dieser Inhalt wurde maschinell übersetzt.
Communications Mining-Benutzerhandbuch
Last updated 7. Nov. 2024
Nachrichten werden gesucht
Benutzerberechtigungen erforderlich: „Quellen anzeigen“ UND „Beschriftungen anzeigen“.
Sie können die Suche in Erkunden oder Entdecken (Wechseln vom Clustermodus über das Dropdownmenü) verwenden, um nach Nachrichten zu suchen, die bestimmte Begriffe oder Ausdrücke enthalten. Die Plattform hebt das Vorkommen Ihrer Suchbegriffe in den Nachrichten hervor (wie unten gezeigt).
Sie können dann die vorhergesagten Beschriftungen überprüfen oder Ihre eigenen Beschriftungen auf die Nachrichten anwenden .
Suchen in „Erkunden“ vs. „Entdecken“.
- Der Hauptunterschied zwischen der Suche in Discover und Explore besteht darin, dass Sie in Discover Suchergebnisse in großen Mengen kommentieren können (genau wie Cluster), während Sie sie in Explore einzeln kommentieren
- Im Gegensatz zu Entdecken gibt Erkunden jedoch eine geschätzte Gesamtzahl an Meldungen zurück, die mit Ihrem Suchbegriff übereinstimmen (wie unten gezeigt) – dies kann sehr nützlich sein, wenn Sie versuchen, zu beurteilen, wie viele Beispiele in Ihrem Dataset vorhanden sein können, bevor Sie eine Beschriftung erstellen, wenn es welche gibt Begriffe, die sehr eng mit dem Bezeichnungskonzept verknüpft sind,
Beispiel für die Suchabfrage im Analysefenster
Beispiel für eine Suchabfrage in Discover