- 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
Erfahren Sie mehr über die Verwaltung von Kontingenten pro Mandant für Communications Mining™und den Prozess der veralteten Modellversion.
The Quotas page allows you to view and manage quotas that are enforced for Communications Mining™ in the current tenant.
Bei bestimmten Kontingenten werden Sie auch über den Benachrichtigungsdienst darüber informiert, dass Sie sich dem Limit nähern und eine Erhöhung anfordern sollten.
Ändern der Ansicht der Kontingentabelle
Um die Anzeige der Tabelle Kontingente im aktuellen Mandanten zu ändern, gehen Sie wie folgt vor:
- Wählen Sie die Auslassungszeichen zu jeder Spaltenüberschrift.
- Wählen Sie eine oder mehrere der folgenden Optionen im Drei-Punkte-Menü:
- Nach ASC sortieren – Sortiert Elemente in aufsteigender Reihenfolge.
- Nach DESC sortieren – Sortiert Elemente in absteigender Reihenfolge.
- Links anheften – Heftet die aktuelle Spalte links an.
- Rechts anheften – Heftet die aktuelle Spalte rechts an.
- Filter – Sie können die aktuelle Tabelle filtern, indem Sie die Spalte, die Aktion auswählen und einen Wert hinzufügen. Darüber hinaus können Sie folgende Optionen wählen:
- Filter hinzufügen, um der Tabelle mehrere Filter hinzuzufügen.
- Alle entfernen, um alle für die Tabelle geltenden Filter zu löschen.
- Spalte ausblenden – Blendet die aktuelle Spalte aus.
- Spalten verwalten – Damit können Sie aktuelle Spalten ausblenden oder ausgeblendete anzeigen, indem Sie den Schalter für jede Spalte deaktivieren oder aktivieren. Darüber hinaus können Sie folgende Optionen wählen:
- Alle ausblenden, um alle Spalten auszublenden.
- Alle anzeigen, um alle ausgeblendeten Spalten anzuzeigen.
Ändern von Kontingenten
Um das Limit für Kontingente zu ändern, gehen Sie wie folgt vor:
- Wählen Sie für jede Tabellenzelle das Symbol Kontigentenlimits für Quellen bearbeiten.
- Legen Sie im angezeigten Seitenbereich den neuen Grenzwert fest, indem Sie die Steuerelemente zur Erhöhung oder Verringerung des Werts wählen.
- Wählen Sie Aktualisieren, um die Änderungen zu speichern, oder Abbrechen, um den Seitenbereich zu schließen, ohne die Änderungen zu übernehmen.
Auf der Seite Veraltete Modelle werden alle Modellversionen für Datasets in Ihrem Mandanten angezeigt, die bald veraltet sein werden. Alle Produktions-Datasets verwenden neuere, verbesserte Modellversionen.
Hinweis zu veralteten Modellen und Aktualisierungsanforderungen
Um optimale Funktionalität und Sicherheit zu gewährleisten, können ältere angeheftete Modellversionen (die mindestens 12 Monate alt sein werden) als veraltet gekennzeichnet werden.
Ankündigung der Einstellung
Um einen reibungslosen Übergang zu gewährleisten, werden alle veralteten Modelle rechtzeitig gekennzeichnet. Sie finden Indikatoren für eine frühere Veraltung sowohl auf dieser Seite als auch auf der Seite „ Modelle “ des relevanten Datasets. Dieser proaktive Ansatz gibt Ihnen genügend Zeit, Ihre Arbeit ohne Unterbrechung anzupassen.
Übergangszeitraum
Nach der ersten Ankündigung haben Sie einen Übergangszeitraum von mindestens drei Monaten. Nach Ablauf dieses Zeitraums werden veraltete Versionen als nicht mehr unterstützt betrachtet. Folglich sind nicht unterstützte Versionen nicht über die API zugänglich.
Loslösen von veralteten Modellen
Sie müssen die Anheftung veralteter Modellversionen aufheben, nachdem Sie eine neuere Modellversion innerhalb desselben Datasets angeheftet haben. Dies gewährleistet eine reibungslose Fortsetzung der Dienst- und API-Aufrufe während des Übergangs.
Aktualisieren von Produktionsautomatisierungen
Sie sollten die Produktionsautomatisierungen, die die veralteten Modelle verwendet haben, sofort auf eine neuere Modellversion aktualisieren. Diese Änderungen verhindern eine potenzielle Interaktion mit veralteten Modellen.