- 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
Trainieren
Die neue Funktion „Train“ bietet ein vollständig geführtes Training für Benutzer.
Die Hauptseite von Trainieren bietet nützliche Informationen in Bezug auf das bisher durchgeführte Training, die Leistung des Modells und eine Liste der priorisierten nächstbesten Trainingsaktionen (ähnlich wie die Seite Validierung).
Wenn Benutzer eine Trainingsaktion auswählen , werden sie auf eine bestimmte Benutzeroberfläche für „Trainingsbatches“ weitergeleitet, die das Training in kurze, leicht zu verbrauchende Sitzungen aufteilt.
Am Ende des Batches erhalten Sie eine Zusammenfassung der durchgeführten Trainingsaktionen (siehe unten) und können dann Ihre nächste Sitzung auswählen, indem Sie eine andere empfohlene Aktion auswählen.
Zusammenfassung der Trainingsaktionen, die während eines Trainingsbatches abgeschlossen wurden
Wenn Benutzer lieber ohne die Anleitung der Plattform trainieren, können sie diese Option deaktivieren und selbst auswählen, welche Sitzungen abgeschlossen werden sollen. Weitere Informationen finden Sie im folgenden Abschnitt.
Standardmäßig ist die Plattformanleitung für die Seite „Training“ aktiviert, da dies unsere Empfehlung ist.
Wenn Sie jedoch ein sicherer Modelltrainer sind und die Aktionen, die Sie ausführen möchten, bereits kennen, können Sie die Anleitung mit dem Umschalter oben rechts auf der Seite deaktivieren (siehe unten).