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
- Training von Chat- und Anrufdaten
- 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 7. Okt. 2025
Mit dem Communications Mining-Aktivitätspaket können Sie Ergebnisse aus den Communications Mining™-Streams verwenden. 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.
- Ergebnisse – Eine Darstellung einer Kommunikation, die vom Communications Mining™-Stream zurückgegeben wird. Die Ergebnisse enthalten zwei Schlüsseleigenschaften:
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 Sieextractions
undfields
.
- 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 Confidence
und einExtraction Confidence
zugeordnet. - Feld – Ein Datenpunkt, der als Wert aus einer Nachricht extrahiert wurde.
Ein Feld kann die folgenden 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.
Ziehen Sie in einem Studio-Projekt die
Get Stream Results
-Aktivität aus der Communications Mining™-Aktivitätsbibliothek und wählen Sie Ihren Stream aus.
Ziehen Sie eine
For Each
-Schleife ein und beginnen Sie mit der Iteration desResults
-Felds der Variablenausgabe aus derGet Stream Results
-Aktivität.
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")
Hinweis: Sie können auch auf alle Feldwerte zugreifen, die Sie für diese Bezeichnung mit dem Ausdruck
result.Prediction.GetLabelExtractions("Invoice Submission")(0).GetField("Invoice Date")
konfiguriert haben.
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
.
Hinweis: Dieser Ausdruck geht davon aus, dass mindestens ein PDF-Anhang vorhanden ist. Überprüfen Sie in der Produktion, ob dies der Fall ist.
Sie können jetzt den heruntergeladenen Anhang verwenden und an Document Understanding übergeben:
- 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