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
Training mit der Suche (Erkunden)
Communications Mining-Benutzerhandbuch
Letzte Aktualisierung 18. Apr. 2024
Training mit der Suche (Erkunden)
Benutzerberechtigung erforderlich: „Quellen anzeigen“ UND „Überprüfen und Beschriften“.
Auch wenn das Training mit
Search
nicht zu den Hauptschritten gehört, die in der Erkundungsphase des Trainings beschrieben werden, kann es dennoch ein nützliches Trainingstool an jedem Punkt des Trainingsprozesses sein.
Auf der Seite Training mit der Suche (Entdecken) wird beschrieben, wie Sie die Aktion
search
sparsam verwenden. Vermeiden Sie es, sie zu oft zu verwenden, da sie Ihr Modell verfälschen kann.
Suchen Sie in Erkunden nach Begriffen oder Ausdrücken auf die gleiche Weise wie in Entdecken.
Hauptunterschiede zwischen der Verwendung von Search
in Explore und Discover:
- In „ Erkunden “ müssen Sie Suchergebnisse einzeln überprüfen und beschriften, anstatt gesammelte Ergebnisse wie „ Entdecken“ zu verwenden.
- Erkunden bietet eine hilfreiche Annäherung an die Anzahl der Nachrichten, die mit Ihren Suchbegriffen übereinstimmen. Sehen Sie sich das folgende Beispiel für die Suche nach „Abbruch“ an.
Suchen Sie nach einigen relevanten Begriffen oder Ausdrücken und überprüfen Sie, wie viele geschätzte Übereinstimmungen im Dataset enthalten sind. Verwenden Sie diese Option, um zu schätzen, ob Sie genügend Beispiele für eine bestimmte Bezeichnung haben.
Geben Sie Ihren Suchbegriff in das Suchfeld oben rechts auf der Seite ein:
Beispiel für die Suchabfrage im Analysefenster
So verwenden Sie
Search
auf der Registerkarte Trainieren als einen weiteren Schritt in der Erkundungsphase des Trainings:
- Klicken Sie in Train auf die generische Suchempfehlung:
- Wählen Sie die Beschriftung aus der Suchliste aus:
- Überprüfen Sie die LLM-basierten Beschriftungssuchvorschläge.
- Fügen Sie den Suchbegriff hinzu, und zeigen Sie eine Vorschau der Ergebnisse an (einschließlich der Anzahl der geschätzten Übereinstimmungen):
Hinweis: Der Batch hat sechs Ergebnisse auf einer Seite mit einer typischen Discover-ähnlichen Beschriftungserfahrung (Massenvorgang + Einzelwert).
- Nachdem Sie die Nachrichten auf der Seite beschriftet haben, klicken Sie auf Fertig.
- eine Zusammenfassung der Trainingsaktionen und -optionen für
close
oder search for examples for a different label
, wenn die Bezeichnung die Kriterien nicht erfüllt, um die Suche nicht mehr zu empfehlen.