ixp
latest
false
- 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
- Hochladen einer CSV-Datei in eine Quelle
- Vorbereiten von Daten für den CSV-Upload
- 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
- 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
Letzte Aktualisierung 20. Okt. 2025
/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. |
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 Ereignisses.
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.
Warnungsprüfungsereignisse
| Ereignistyp | BESCHREIBUNG |
|---|---|
|
| 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 |
|---|---|
|
| Kontingente werden angezeigt. |
|
| Ein Kontingent wird aktualisiert. |
|
| Ein Kontingent wird zurückgesetzt. |
Stream-Prüfungsereignisse (Streams wurden zuvor 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. |