Definieren von Taxonomiezielen

Bevor Sie mit dem Training Ihres Modells beginnen, sollten Sie wissen, wie Sie mit Ihrer Taxonomie umgehen können, einschließlich das Erstellen Ihrer Beschriftungen und was diese erfassen sollten. Sie sollten auch die wichtigsten Datenpunkte (allgemeine Felder) definieren, die Sie trainieren möchten, wenn Sie Automatisierungen erkunden und implementieren möchten.

Eine Taxonomie ist eine hierarchisch strukturierte Sammlung aller Beschriftungen, die auf die Nachrichten in einem Dataset angewendet werden. Er kann auch auf die in einem Dataset aktivierten allgemeinen Feldtypen verweisen und diese enthalten, obwohl diese in einer flache Hierarchie organisiert sind.

Dieser Abschnitt bezieht sich auf Beschriftungstaxonomien.

Definieren Ihrer Taxonomieziele

Ein erfolgreicher Anwendungsfall wird in erster Linie durch eine klar definierte Zielsetzung unterstützt. Ziele stellen nicht nur sicher, dass alle auf ein gemeinsames Ziel hinarbeiten, sondern helfen Ihnen auch bei der Entscheidung für den Modelltyp, den Sie erstellen und die Struktur Ihrer Taxonomie gestalten möchten. Letztendlich werden Ihre Ziele über die Konzepte bestimmen, für die Sie die Plattform trainieren.

Taxonomien können darauf ausgerichtet sein, die Ziele bei der Automatisierung, Analyse oder beidem zu erreichen. Beim Entwerfen Ihrer Taxonomie müssen Sie sich die folgenden Fragen stellen:

1. Welche Absichten oder Konzepte muss ich in den Daten erkennen, um die benötigten Automatisierungen oder Erkenntnisse voranzutreiben?
2. Sind alle diese Konzepte nur anhand des Texts der Nachricht erkennbar?
3. Müssen bestimmte Konzepte auf eine bestimmte Weise strukturiert werden, um bestimmte Aktionen zu erleichtern?

Insgesamt sollten Ihre Beschriftungen mit ausreichend Training eine genaue und ausgewogene Darstellung des Datasets im Kontext Ihrer Ziele erstellen. Zum Beispiel die Abdeckung aller Anforderungstypen, die automatisch nachgelagert werden.

Ihre Taxonomieziele werden erreicht

Möglicherweise können Sie nicht alle Ihre Ziele mit einer einzigen Taxonomie in einem Dataset erreichen. Wenn Sie eine umfassende, aber detaillierte Analyse für einen Kommunikationskanal erhalten, aber auch eine ausgewählte Anzahl eingehender Anforderungstypen zu Workflow-Warteschlangen automatisieren möchten, benötigen Sie möglicherweise mehr als ein Dataset, um dies zu erleichtern.

Es ist normalerweise am besten, nicht zu versuchen, alles auf einmal innerhalb einer ausufernden Multizweck-Taxonomie zu erreichen, da dies sehr schwierig sein kann, um zu trainieren und eine hohe Leistung aufrechtzuerhalten. Es ist am einfachsten, mit einer Taxonomie für einen bestimmten Zweck zu beginnen, z. B die Analyse von In-App-Kundenfeedback-Daten für Produktfunktionsanforderungen und -fehler oder die Überwachung der Kundenservicequalität in einem Posteingang eines Betriebsteams.

Eine Aufschlüsselung der verschiedenen Arten von Zielen wird im nächsten Artikel über Analysen und Anwendungsfälle mit Fokus auf Automatisierung behandelt.