- Einleitung
- Einrichten Ihres Kontos
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder
- Beschriftungen (Vorhersagen, Konfidenzniveaus, Beschriftungshierarchie und Beschriftungsstimmung)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Nachrichten mit und ohne Anmerkungen
- Extraktionsfelder
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Zugriffssteuerung und Administration
- Verwalten Sie Quellen und Datasets
- Verstehen der Datenstruktur und -berechtigungen
- Erstellen oder Löschen einer Datenquelle in der GUI
- Vorbereiten von Daten für den CSV-Upload
- Hochladen einer CSV-Datei in eine Quelle
- Ein Dataset wird erstellt
- Mehrsprachige Quellen und Datasets
- Aktivieren der Stimmung für ein Dataset
- Ändern der Dataset-Einstellungen
- Löschen einer Nachricht
- Löschen eines Datasets
- Exportieren eines Datasets
- Verwenden von Exchange-Integrationen
- Modelltraining und -wartung
- Grundlegendes zu Beschriftungen, allgemeinen Feldern und Metadaten
- Beschriftungshierarchie und Best Practices
- Vergleichen von Anwendungsfällen für Analyse und Automatisierung
- Konvertieren Ihrer Ziele in Bezeichnungen
- Übersicht über den Modelltrainingsprozess
- Generative Anmerkung
- Der Status des Datasets
- Best Practice für Modelltraining und Anmerkungen
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Grundlegendes zu Datenanforderungen
- Trainieren
- Einführung in Verfeinerung
- Erläuterungen zu Präzision und Rückruf
- Präzision und Rückruf
- So funktioniert die Validierung
- Verstehen und Verbessern der Modellleistung
- Gründe für die geringe durchschnittliche Beschriftungsgenauigkeit
- 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
- Automations and Communications Mining™
- Entwickler (Developer)
- Verwenden der API
- API-Tutorial
- Quellen
- Datasets
- Anmerkungen
- Anhänge (Attachments)
- Vorhersagen
- Erstellen Sie einen Stream
- Aktualisieren Sie einen Stream
- Rufen Sie einen Stream nach Namen ab
- Rufen Sie alle Streams ab
- Löschen Sie einen Stream
- Ergebnisse aus Stream abrufen
- Kommentare aus einem Stream abrufen (Legacy)
- Bringen Sie einen Stream vor
- Einen Stream zurücksetzen
- Kennzeichnen Sie eine Ausnahme
- Entfernen Sie das Tag einer Ausnahme
- Prüfungsereignisse
- Alle Benutzer abrufen
- Hochladen von Daten
- Herunterladen von Daten
- Exchange Integration mit einem Azure-Dienstbenutzer
- Exchange-Integration mit der Azure-Anwendungsauthentifizierung
- Exchange-Integration mit Azure Application Authentication und Graph
- Migration Guide: Exchange Web Services (EWS) to Microsoft Graph API
- Abrufen von Daten für Tableau mit Python
- Elasticsearch-Integration
- Allgemeine Feldextraktion
- Selbst gehostete Exchange-Integration
- UiPath® Automatisierungs-Framework
- Offizielle UiPath®-Aktivitäten
- Wie Maschinen lernen, Wörter zu verstehen: eine Anleitung zu Einbettungen in NLP
- Eingabeaufforderungsbasiertes Lernen mit Transformers
- Ef Robots II: Wissensdegesterration und Feinabstimmung
- Effiziente Transformer I: Warnmechanismen
- Tief hierarchische, nicht überwachte Absichtsmodellierung: Nutzen ohne Trainingsdaten
- Beheben von Anmerkungsverzerrungen mit Communications Mining™
- Aktives Lernen: Bessere ML-Modelle in weniger Zeit
- Auf Zahlen kommt es an – Bewertung der Modellleistung mit Metriken
- Darum ist Modellvalidierung wichtig
- Vergleich von Communications Mining™ und Google AutoML für Conversation Data Intelligence
- Lizenzierung
- Häufige Fragen und mehr

Communications Mining-Benutzerhandbuch
Prüfungsereignisse
Abfrage-Prüfungsereignisse
/api/v1/audit_events/query
Erforderliche Berechtigungen: Prüfungsprotokolle lesen.
- Bash
curl -X POST 'https://<my_api_endpoint>/api/v1/audit_events/query' \ -H "Authorization: Bearer $REINFER_TOKEN" \ -H "Content-Type: application/json" \ -d '{ "filter": { "timestamp": { "maximum": "2021-07-10T00:00:00Z", "minimum": "2021-06-10T00:00:00Z" } } }'curl -X POST 'https://<my_api_endpoint>/api/v1/audit_events/query' \ -H "Authorization: Bearer $REINFER_TOKEN" \ -H "Content-Type: application/json" \ -d '{ "filter": { "timestamp": { "maximum": "2021-07-10T00:00:00Z", "minimum": "2021-06-10T00:00:00Z" } } }' - Knoten
const request = require("request"); request.post( { url: "https://<my_api_endpoint>/api/v1/audit_events/query", headers: { Authorization: "Bearer " + process.env.REINFER_TOKEN, }, json: true, body: { filter: { timestamp: { maximum: "2021-07-10T00:00:00Z", minimum: "2021-06-10T00:00:00Z", }, }, }, }, function (error, response, json) { // digest response console.log(JSON.stringify(json, null, 2)); } );const request = require("request"); request.post( { url: "https://<my_api_endpoint>/api/v1/audit_events/query", headers: { Authorization: "Bearer " + process.env.REINFER_TOKEN, }, json: true, body: { filter: { timestamp: { maximum: "2021-07-10T00:00:00Z", minimum: "2021-06-10T00:00:00Z", }, }, }, }, function (error, response, json) { // digest response console.log(JSON.stringify(json, null, 2)); } ); - Python
import json import os import requests response = requests.post( "https://<my_api_endpoint>/api/v1/audit_events/query", headers={"Authorization": "Bearer " + os.environ["REINFER_TOKEN"]}, json={ "filter": { "timestamp": { "minimum": "2021-06-10T00:00:00Z", "maximum": "2021-07-10T00:00:00Z", } } }, ) print(json.dumps(response.json(), indent=2, sort_keys=True))import json import os import requests response = requests.post( "https://<my_api_endpoint>/api/v1/audit_events/query", headers={"Authorization": "Bearer " + os.environ["REINFER_TOKEN"]}, json={ "filter": { "timestamp": { "minimum": "2021-06-10T00:00:00Z", "maximum": "2021-07-10T00:00:00Z", } } }, ) print(json.dumps(response.json(), indent=2, sort_keys=True)) - Antwort
{ "audit_events": [ { "actor_user_id": "e2148a6625225593", "dataset_ids": ["1fe230edc85ffc1a"], "event_id": "2555880060c23eb5", "event_type": "get_datasets", "project_ids": ["ce3c61dcf210f425", "274400867ab17af9"], "tenant_ids": ["c59b6e209da438a8"], "timestamp": "2021-06-10T16:32:53Z" } ], "continuation": "2555880060c23eb5", "datasets": [ { "id": "1fe230edc85ffc1a", "name": "collateral-sharing", "project_id": "ce3c61dcf210f425", "title": "Collateral Sharing" }, { "id": "274400867ab17af9", "name": "Customer-Feedback", "project_id": "ce3c61dcf210f425", "title": "Customer Feedback" } ], "projects": [ { "id": "ce3c61dcf210f425", "name": "bank-collateral", "tenant_id": "c59b6e209da438a8" } ], "status": "ok", "tenants": [ { "id": "c59b6e209da438a8", "name": "acme" } ], "users": [ { "display_name": "Alice", "email": "alice@acme.example", "id": "e2148a6625225593", "tenant_id": "c59b6e209da438a8", "username": "alice" } ] }{ "audit_events": [ { "actor_user_id": "e2148a6625225593", "dataset_ids": ["1fe230edc85ffc1a"], "event_id": "2555880060c23eb5", "event_type": "get_datasets", "project_ids": ["ce3c61dcf210f425", "274400867ab17af9"], "tenant_ids": ["c59b6e209da438a8"], "timestamp": "2021-06-10T16:32:53Z" } ], "continuation": "2555880060c23eb5", "datasets": [ { "id": "1fe230edc85ffc1a", "name": "collateral-sharing", "project_id": "ce3c61dcf210f425", "title": "Collateral Sharing" }, { "id": "274400867ab17af9", "name": "Customer-Feedback", "project_id": "ce3c61dcf210f425", "title": "Customer Feedback" } ], "projects": [ { "id": "ce3c61dcf210f425", "name": "bank-collateral", "tenant_id": "c59b6e209da438a8" } ], "status": "ok", "tenants": [ { "id": "c59b6e209da438a8", "name": "acme" } ], "users": [ { "display_name": "Alice", "email": "alice@acme.example", "id": "e2148a6625225593", "tenant_id": "c59b6e209da438a8", "username": "alice" } ] }
Ein Prüfungsereignis ist eine Aufzeichnung einer Aktion, die von einem Benutzer der Communications Mining™-Plattform durchgeführt wird. Beispiele für prüfungsfähige Ereignisse:
- Ein Benutzer, der sich anmeldet
- Ein Benutzer, der sein Kennwort ändert
- Ein Benutzer, der die Berechtigungen eines anderen Benutzers ändert.
| Name | Typ | Erforderlich | BESCHREIBUNG |
|---|---|---|---|
continuation | string | nein | Wenn eine vorherige Abfrage ein continuation in der Antwort zurückgegeben hat, ist eine andere Seite mit Ereignissen verfügbar. Legen Sie den zurückgegebenen Fortsetzungswert hier fest, um die nächste Seite abzurufen. |
limit | Nummer | nein | Die Anzahl der Prüfungsereignisse, die pro Seite zurückgegeben werden sollen. Der Standardwert ist 128. |
filter | Filter | nein | Ein Filter, der angibt, welche Prüfungsereignisse zurückgegeben werden sollen. |
Dabei hat Filter das folgende Format:
| Name | Typ | Erforderlich | BESCHREIBUNG |
|---|---|---|---|
timestamp | Zeitstempelfilter | nein | Ein Filter, der angibt, in welchem Zeitbereich Ereignisse zurückgegeben werden sollen. |
Dabei hat TimestampFilter das folgende Format:
| Name | Typ | Erforderlich | BESCHREIBUNG |
|---|---|---|---|
minimum | string | nein | Ein ISO-8601-Zeitstempel. Wenn angegeben, wird nur ein Prüfungsereignis nach oder einschließlich dieses Zeitstempels zurückgegeben. |
maximum | string | nein | Ein ISO-8601-Zeitstempel. Wenn angegeben, wird nur ein Prüfungsereignis vor diesem Zeitstempel zurückgegeben. |
Antwortformat
Die Liste der Prüfungsereignisse finden Sie unter dem Schlüssel audit_events auf der obersten Ebene der Antwort. Jeder AuditEvent kann anhand der ID auf andere Ressourcen verweisen (z. B. Quellen, Datasets, Benutzer usw.). Für jede referenzierte Ressource finden Sie zusätzliche Informationen unter dem jeweiligen Schlüssel (sources, datasets, users usw.) auf der obersten Ebene der Antwort.
Ein AuditEvent stellt eine Aktion dar, die von einem Benutzer auf der Plattform ausgeführt wird, und hat das folgende Grundformat. Je nach Wert von event_type können zusätzliche Schlüssel vorhanden sein. Beispielsweise enthält ein get_datasets -Prüfungsereignis eine Liste von dataset_ids , die vom Benutzer gelesen wurden.
| Name | Typ | BESCHREIBUNG |
|---|---|---|
event_id | string | Die eindeutige ID dieses Termins. |
event_type | string | Der Typ dieses Termins. Bitte beachten Sie die Liste der Ereignistypen im nächsten Abschnitt. |
timestamp | string | Der ISO-8601-Zeitstempel dieses Ereignisses auf die nächste Sekunde genau. |
actor_user_id | string | Die ID des Benutzers, der diese Aktion ausgeführt hat. |
actor_tenant_id | string | Die Mandanten-ID des Benutzers, der diese Aktion ausgeführt hat. |
Wenn die Antwort schließlich einen continuation -Schlüssel enthält, sollten Sie die nächste Seite der Ereignisse abrufen, indem Sie das Feld continuation in der Anforderung auf diesen Wert festlegen.
Prüfungsereignistypen
Warnungsprüfungsereignisse
| Ereignistyp | BESCHREIBUNG |
|---|---|
alert_create | Eine Warnung wird erstellt. |
alert_get | Eine Warnung wird angezeigt. |
alert_get_all | Eine Liste mit Warnungen wird angezeigt. |
alert_update | Die Konfiguration einer Warnung wird bearbeitet. |
alert_delete | Eine Warnung wird gelöscht. |
alert_subscriptions_get | Eine Liste der Warnungsabonnements wird angezeigt. |
alert_subscriptions_delete | Ein Warnungsabonnement wird gelöscht. |
Kontingentprüfungsereignisse
| Ereignistyp | BESCHREIBUNG |
|---|---|
quotas_get | Kontingente werden angezeigt. |
quotas_set | Ein Kontingent wird aktualisiert. |
quotas_reset | Ein Kontingent wird zurückgesetzt. |
Streamet Prüfungsereignisse
Streams wurden früher als Trigger bezeichnet.
| Ereignistyp | BESCHREIBUNG |
|---|---|
trigger_create | Ein Stream wird erstellt. |
trigger_get | Ein Stream wird angezeigt. |
trigger_get_all | Eine Liste der Streams wird angezeigt. |
trigger_update | Die Konfiguration eines Streams wird bearbeitet. |
trigger_delete | Ein Stream wird gelöscht. |
trigger_fetch | Ein Stream wird abgefragt (Legacy-Vorgang). |
trigger_advance | Ein Stream wird erweitert. |
trigger_reset | Ein Stream wird zurückgesetzt. |
trigger_fetch_gx | Ein generativer Extraktionsstream wird abgefragt (Legacy-Vorgang). |
trigger_get_results | Ein Stream wird abgefragt. |
Prüfungsereignisse für die Modellverwaltung
| Ereignistyp | BESCHREIBUNG |
|---|---|
model_version_published | Wenn ein Modell veröffentlicht (UCD)/angeheftet (CM) wird. |
model_version_unpublished | Wenn ein veröffentlichtes Modell gelöscht wird. |
model_tag_updated | Wenn ein Modell-Tag aktualisiert wird. |
model_tag_deleted | Wenn ein Modell-Tag entfernt wird. |
Prüfungsereignisse für die Dataset-Verwaltung
| Ereignistyp | BESCHREIBUNG |
|---|---|
get_datasets | Wenn Datasets abgerufen werden. |
get_datasets_by_owner | Wenn Datasets vom Besitzer abgerufen werden. |
get_dataset | Wenn ein bestimmtes Dataset abgerufen wird. |
export_dataset | Wenn ein Dataset exportiert wird. |
Prüfungsereignisse für die Benutzerverwaltung
| Ereignistyp | BESCHREIBUNG |
|---|---|
create_user | Wenn ein neuer Benutzer erstellt wird. |
delete_user | Wenn ein Benutzer gelöscht wird. |
get_users | Wenn Benutzerinformationen abgerufen werden. |
update_user | Wenn Benutzerinformationen geändert werden. |
Authentifizierungs- und Sicherheitsprüfungsereignisse
| Ereignistyp | BESCHREIBUNG |
|---|---|
login_success | Erfolgreiche Benutzeranmeldung. |
authentication_failed_password | Anmeldung aufgrund eines falschen Kennworts fehlgeschlagen. |
authentication_failed_totp | Anmeldung aufgrund eines falschen TOTP-Codes fehlgeschlagen. |
login_failed_ip_address | Anmeldung fehlgeschlagen aufgrund von IP-Adressbeschränkungen. |
revoke_api_tokens | Wenn API-Token widerrufen werden. |
revoke_login_tokens | Wenn Anmeldetoken widerrufen werden. |
revoke_current_login_token | Wenn das aktuelle Sitzungstoken widerrufen wird. |
replace_api_token | Wenn das API-Token ersetzt wird. |
authentication_failed_totp_lockout | Fehlgeschlagene Anmeldung aufgrund einer TOTP-Sperre. |
Prüfungsereignisse zum Zurücksetzen des Kennworts
| Ereignistyp | BESCHREIBUNG |
|---|---|
send_password_reset_success | Erfolgreiche E-Mail zum Zurücksetzen des Kennworts gesendet. |
send_password_reset_failed_ip_address | Zurücksetzen des Kennworts durch IP blockiert. |
verify_password_reset_success | Erfolgreiche Verifizierung der Passwortzurücksetzung. |
verify_password_reset_failed_ip_address | Verifizierung des Zurücksetzens des Kennworts durch IP blockiert. |
change_password_success | Erfolgreiche Kennwortänderung. |
change_password_failed_totp | Die Kennwortänderung ist aufgrund von TOTP fehlgeschlagen. |
change_password_failed_ip_address | Kennwortänderung durch IP blockiert. |
verify_password_reset_failed_signature | Ungültige Signatur zum Zurücksetzen des Kennworts. |
verify_password_reset_failed_timestamp | Abgelaufener Link zum Zurücksetzen des Kennworts. |
change_password_failed_current_password | Falsches aktuelles Kennwort. |
Prüfungsereignisse für Kommentarabfragen
| Ereignistyp | BESCHREIBUNG |
|---|---|
comment_query_text | Textbasierte Kommentarabfragen. |
comment_query_sample | Beispielkommentarabfragen. |
comment_query_learning | Lernbezogene Kommentaranfragen. |
comment_query_any_label_asc | Beschriftungsbasierte Abfragen (aufsteigend). |
comment_query_recent | Aktuelle Kommentarabfragen. |
comment_query_by_label | Abfragen nach bestimmten Labels gefiltert. |
comment_query_diagnostic | Diagnose-Kommentarabfragen. |
comment_query_label_property | Abfragen zu Label-Eigenschaften. |
comment_query_attachment_text | Anhangstextabfragen. |
comment_query_check | Kommentarabfragen vom Typ Check. |
comment_query_missed | Fehlende Kommentarabfragen. |
Prüfungsereignisse mit Anmerkungen
| Ereignistyp | BESCHREIBUNG |
|---|---|
get_annotations | Wenn Anmerkungen abgerufen werden. |
update_annotation | Wenn Anmerkungen geändert werden. |
System- und Administratorprüfungsereignisse
| Ereignistyp | BESCHREIBUNG |
|---|---|
get_deprecated_user_models | Wenn auf veraltete Benutzermodelle zugegriffen wird. |
audit_event_query | Wenn Prüfungsereignisse selbst abgefragt werden. |
email_get | Wenn E-Mails abgerufen werden. |