Communications Mining
Neuestes
False
- 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
- Verwenden von Analytics & Monitoring
- Automatisierungs- und Communications Mining
- Häufige Fragen und mehr
Best Practices für den Taxonomieentwurf
Communications Mining-Benutzerhandbuch
Letzte Aktualisierung 18. Apr. 2024
Best Practices für den Taxonomieentwurf
Es wird empfohlen, diese bewährten Methoden zu befolgen, um Ihre Taxonomie richtig zu strukturieren und eine hohe Modellleistung sicherzustellen:
- Ausrichtung der Ziele: Stellen Sie sicher, dass jede Beschriftung einem bestimmten Geschäftszweck dient und auf Ihre definierten Ziele ausgerichtet ist.
- Unterscheiden: Es ist wichtig, dass jede Beschriftung spezifisch ist in dem, was sie erfassen möchte, und sich nicht mit anderen Beschriftungen überschneidet.
- Spezifisch: Vermeiden Sie die Verwendung von umfassenden, vage oder konfusionen Konzepten, da diese mit größerer Wahrscheinlichkeit eine schlechtere Leistung erbringen und weniger Nutzen für das Unternehmen bieten. Versuchen Sie, breite Beschriftungen nach Möglichkeit in mehrere unterschiedliche Beschriftungen aufzuteilen. Es ist besser, anfangs zu spezifische Beschriftungen zu verwenden (d. h. mehr Hierarchieebenen) und sie bei Bedarf später zusammenzuführen, als sehr umfassende Beschriftungen manuell aufzuschlüsseln.
- Identifizierbar: Stellen Sie sicher, dass jede Beschriftung eindeutig vom Text der Nachrichten identifizierbar ist, auf die sie angewendet wird.
- Übergeordnete Bezeichnung: Verwenden Sie eine übergeordnete Bezeichnung, wenn Sie eine signifikante Anzahl anderer ähnlicher Konzepte im Zusammenhang mit diesem umfassenderen Thema erwarten.
- Untergeordnete Bezeichnung: Stellen Sie sicher, dass jede Beschriftung, die unter einer anderen Beschriftung verschachtelt ist, eine Teilmenge dieser Bezeichnung ist.
- Hierarchieebenen: Im Allgemeinen sollten Sie nicht mehr als vier Hierarchieebenen hinzufügen, da das Modell immer komplexer zu trainieren ist.
- Bezeichnungsname: Verbringen Sie nicht zu viel Zeit mit dem Denken an den perfekten Bezeichnungsnamen, da die Bezeichnungen später immer noch umbenannt werden können.
- Beschriftungsbeschreibung : Fügen Sie Ihren Beschriftungen Beschriftungsbeschreibungen hinzu (indem Sie in den Einstellungen auf „Beschriftungen und Entitäten“ zugreifen), um die Konsistenz der Beschriftung sicherzustellen, was besonders hilfreich ist, wenn mehrere Personen das Modell trainieren.
- Nicht aussagekräftig: Erstellen Sie einige nicht wertschöpfende Beschriftungen, z. B Dankes-E-Mails, damit die Plattform wissen kann, was analysiert werden soll bzw. nicht.