- 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
- 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
Aktivitäten
Stream-Ergebnisse abrufen und Anhänge abrufen
Mit dem Communications Mining- Aktivitätspaket können Sie Ergebnisse aus den Communications Mining™-Streams nutzen. In diesem Tutorial sehen Sie ein Beispiel für den Prozess der Rechnungsübermittlung.
Diese Anleitung zeigt Ihnen, wie Sie einen Communications Mining-Stream nutzen, Anforderungen zur Einreichung von Rechnungen identifizieren und die zugehörigen Anhänge aus der Kommunikation herunterladen können.
Schlüsselkonzepte
- Ergebnisse – Eine Darstellung einer Kommunikation, die vom Communications Mining™-Stream zurückgegeben wird. Die Ergebnisse enthalten zwei Haupteigenschaften:
comment– Enthält alle Informationen über die Kommunikation, die auf die Plattform hochgeladen wurden, z. B.: Betreff, Text und Zeitstempel der Kommunikation.prediction– Enthält den Satz von Vorhersagen, die für diese Kommunikation zurückgegeben werden. In dieser Eigenschaft finden Sieextractionsundfields.
- Extraktion – Eine Vorhersage für eine bestimmte Instanz einer Anforderung, die mit einer Beschriftung verknüpft ist, z. B. eine
Address Change-Anforderung, und die mit dieser Anforderung verknüpften Felder: Adresszeile 1, Ort, Postleitzahl. Für jede Beschriftung können Sie mehrere Extraktionen für jede Nachricht vorhersagen. Jeder Extraktion ist einOccurrence Confidenceund einExtraction Confidencezugeordnet . - Feld – Ein Datenpunkt, der als Wert aus einer Nachricht extrahiert wurde. Ein Feld kann folgende Typen haben:
- Allgemeines Feld (keine Beschriftungen zugeordnet).
- Extraktionsfeld (mit einer bestimmten Beschriftung verknüpft und erforderlich, um Anforderungen zu verarbeiten, die dieser Bezeichnung zugeordnet sind).
- Vorkommenskonfidenz – Das Konfidenzniveau eines Modells über das Vorhandensein einer bestimmten Extraktionsinstanz. Zum Beispiel, wie sicher das Modell bei einer zweiten
Change of Address-Anforderung in der Nachricht ist. - Extraktionskonfidenz – Das Konfidenzniveau eines Modells, dass eine einzelne Extraktion korrekt extrahiert wird – d. h. die Extraktion wird korrekt identifiziert und alle Felder werden korrekt identifiziert und mit der richtigen Extraktion verknüpft.
- Schwellenwert – Jede von einem Stream zurückgegebene Label-Vorhersage enthält eine
thresholds-Eigenschaft. Diese Eigenschaft enthält die Liste der Schwellenwerte, die für die gegebene Vorhersage überschritten wurden. Derzeit heißt der Schwellenwert, den Sie für den Stream konfigurieren,stream.
Voraussetzungen
- Zugriff auf Communications Mining™.
- Eine Exchange-Integration, die eine Quelle konfiguriert und befüllt.
- Ein trainiertes Dataset, das auf dieser Quelle basiert.
- Ein Stream, der für dieses trainierte Dataset konfiguriert ist.
Führen Sie die folgenden Schritte aus, um stream Results und obtain attachments zu nutzen.
Schritt 1: Verbindung mit Ihrem Stream herstellen
Ziehen Sie in einem Studio-Projekt die Get Stream Results -Aktivität aus der Communications Mining™-Aktivitätsbibliothek und wählen Sie Ihren Stream aus.

Schritt 2 – Schleifenschaltung Ihrer Stream-Ergebnisse starten
Ziehen Sie eine For Each-Schleife ein und beginnen Sie mit der Iteration desResults-Felds der Variablenausgabe aus derGet Stream Results-Aktivität.

Schritt 3 – Ermitteln, ob das Ergebnis eine Rechnungsübermittlung ist
Fügen Sie in Ihrer For Each-Schleife eine If-Anweisung hinzu und überprüfen Sie, ob die Invoice Submission-Anforderung mit dem folgenden Ausdruck erkannt wurde: result.Prediction.ContainsLabelExtraction("Invoice Submission")

Sie können auch auf alle Feldwerte zugreifen, die Sie für diese Beschriftung mit dem Ausdruck result.Prediction.GetLabelExtractions("Invoice Submission")(0).GetField("Invoice Date") konfiguriert haben.
Schritt 4 – Die angehängte Rechnung herunterladen
Ziehen Sie die Aktivität „Get Attachment“ in den Abschnitt Then Ihrer if-Anweisung. Sie können dann die Anhangsreferenz mit dem folgenden Ausdruck abrufen: result.Comment.GetAttachmentsByType("application/pdf")(0).AttachmentReference.
Dieser Ausdruck geht davon aus, dass mindestens ein PDF-Anhang vorhanden ist. Überprüfen Sie in der Produktion, ob dies der Fall ist.
Schritt 5 – Den Anhang an Document Understanding übergeben
Sie können jetzt den heruntergeladenen Anhang verwenden und an Document Understanding übergeben:

Schritt 6 – Den Stream fortführen
Nachdem Sie alle Ergebnisse im Stream-Batch verarbeitet haben, verwenden Sie die Aktivität Advance Stream, um den Stream fortzuführen und weitere Ergebnisse abzurufen:

- Stream-Ergebnisse abrufen und Anhänge abrufen
- Schlüsselkonzepte
- Schritt 1: Verbindung mit Ihrem Stream herstellen
- Schritt 2 – Schleifenschaltung Ihrer Stream-Ergebnisse starten
- Schritt 3 – Ermitteln, ob das Ergebnis eine Rechnungsübermittlung ist
- Schritt 4 – Die angehängte Rechnung herunterladen
- Schritt 5 – Den Anhang an Document Understanding übergeben
- Schritt 6 – Den Stream fortführen