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)
- Der Status des 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
Training mit der Suche (Erkunden)
Wichtig :
Dieser Inhalt wurde maschinell übersetzt.
Communications Mining-Benutzerhandbuch
Last updated 19. Nov. 2024
Training mit der Suche (Erkunden)
Benutzerberechtigung erforderlich: Quellen anzeigen UND überprüfen und kommentieren.
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 Explore müssen Sie Suchergebnisse einzeln überprüfen und mit Anmerkungen versehen, anstatt sie massenweise zu überprüfen und zu kommentieren, wie bei Discover.
- Erkunden bietet einen hilfreichen Annäherungswert für die Anzahl der Nachrichten, die mit Ihren Suchbegriffen übereinstimmen. Sehen Sie sich das folgende Beispiel für die Suche nach „Abbrechen“ 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 Anmerkungserfahrung (Massenvorgang + Einzelvorgang).
- Nachdem Sie die Nachrichten auf der Seite mit Anmerkungen versehen 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.