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
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automatisierungs- und Communications Mining
- Lizenzierungsinformationen
- Häufige Fragen und mehr
Best Practices für den Taxonomieentwurf
Wichtig :
Dieser Inhalt wurde maschinell übersetzt.
Communications Mining-Benutzerhandbuch
Last updated 7. Nov. 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 Beschriftungsbeschreibungen zu Ihren Beschriftungen hinzu (indem Sie auf Beschriftungen und allgemeine Felder in den Einstellungen zugreifen), um die Konsistenz der Anmerkungen 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.