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
- 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
- Migrationsanleitung: Exchange Web Services (EWS) zur 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
Wichtig :
Es kann 1–2 Wochen dauern, bis die Lokalisierung neu veröffentlichter Inhalte verfügbar ist.

Communications Mining-Benutzerhandbuch
Letzte Aktualisierung 1. Apr. 2026
Aktivieren der generativen Extraktion
Hinweis:
- Sie benötigen Berechtigungen zum Überprüfen und Beschriften , um Extraktionen zu konfigurieren und zu validieren.
- Wenn Sie Extraktionsfelder auf einer Ihrer Beschriftungen definiert haben, ist die generative Extraktion (GenEx) automatisch aktiviert.
- Wenn Sie zuvor allgemeine Felder mit Anmerkungen versehen haben, während GenEx nicht aktiviert war, müssen Sie neue Anmerkungen für Extraktionsfelder bereitstellen, damit das Modell die Beziehung zwischen Ihren Feldern und Beschriftungen erkennen kann.
- Vermeiden Sie das Hin- und Herwechseln zwischen dem UiPath Helix Extractor 1.0 (IXP-Comms) LLM und dem Generativen Extraktions-LLM, da dies die Nachverfolgung und Verwaltung der LLM-Version komplizieren kann, die für das Training jedes Modells verwendet wird. Weitere Informationen zu den LLMs finden Sie in den folgenden Abschnitten.
Führen Sie die folgenden Schritte aus, um die generative Extraktion zu aktivieren:
- Konfigurieren Sie mindestens ein Extraktionsfeld auf der Registerkarte Taxonomie unter Einstellungen.
- Je nachdem, welches LLM Sie verwenden möchten, UiPath Helix Extractor für Comms LLM oder Generative Extraction LLM, auf der Registerkarte „Datensatz“ :
- Deaktivieren Sie im UiPath Helix Extractor für Communications LLM die Option Externe generative KI-Funktionen verwenden . Um das LLM für generative Extraktion zu verwenden, aktivieren Sie die Option Externe generative KI-Funktionen verwenden und aktivieren Sie dann Generatives Extraktionsmodell V2 verwenden.
Regionale Verfügbarkeit
Generative Extraktion ist derzeit in den folgenden Regionen verfügbar: USA, Europa, Japan, Kanada und Australien.
Hinweis:
Für GxP in den USA, Kanada und Australien sind die generative Extraktion und Extraktionsfelder ausschließlich über das Vorschau-Extraktionsmodell verfügbar, das die UiPath Azure OpenAI-Endpunkte verwendet. Diese Funktion ist standardmäßig in Datasets aus diesen Regionen aktiviert, in denen Sie Generative KI-Funktionen verwenden aktivieren. Datasets mit deaktivierten generativen KI-Funktionen bleiben davon unbeeinflusst.