Best Practices für den Taxonomieentwurf

Wichtige Taxonomieelemente

• Anzahl der Beschriftungen: Typische Datasets haben 50–100 Beschriftungen, aber diese Anzahl kann je nach den Zielen für ein Dataset variieren. Ein effektiver Anwendungsfall kann viel weniger als 50 Beschriftungen haben. Das System legt ein Limit von 200 Beschriftungen für ein Dataset fest, da die Taxonomie darüber hinaus sehr schwierig zu verwalten und zu trainieren wird, was zu einer verringerten Leistung führt.

• Beschriftungsnamen: Beschriftungsnamen sollten präzise und aussagekräftig sein, da die Funktion für die generative Anmerkung sie als Trainingseingabe verwendet, um den Trainingsprozess zu beschleunigen und zu verbessern. Sie können sie jederzeit bearbeiten, aber um sicherzustellen, dass sie effektiv auf der Benutzeroberfläche der Plattform angezeigt werden, wird ein Zeichenlimit von 64 Zeichen für jede Beschriftung festgelegt, einschließlich ihrer Hierarchieebenen.

• Beschriftungsbeschreibungen: Fügen Sie Ihren Beschriftungen Beschreibungen in natürlicher Sprache hinzu, da sie von der Funktion „Generative Anmerkung“ als Trainingseingabe für das automatische Training verwendet werden. Beschreibungen helfen auch dabei, die Konsistenz der Anmerkungen unter den Modelltrainern sicherzustellen und bieten hilfreichen Kontext für andere, die das Dataset zu analytischen Zwecken anzeigen.

Ihre Taxonomie strukturieren

Es wird empfohlen, diese bewährten Methoden zu befolgen, um Ihre Taxonomie richtig zu strukturieren und eine hohe Modellleistung sicherzustellen:

• An Zielen ausrichten: Stellen Sie sicher, dass jede Beschriftung einem bestimmten geschäftlichen Zweck dient und auf Ihre definierten Ziele ausgerichtet ist. Wenn Ihr Dataset für die Automatisierung vorgesehen ist, sollten viele Beschriftungen den spezifischen Anforderungen für die Weiterverarbeitung entsprechen. Wenn Ihr Dataset für Analysen gedacht ist (oder beides), fügen Sie zusätzliche Beschriftungen ein, die Konzepte wie Problemtypen, Ursachen und Probleme mit der Servicequalität wie Verfolgernachrichten, Eskalationen und Konflikte abdecken.

• Unterscheiden Sie sich : Jede Beschriftung muss spezifisch sein und überschneidet sich nicht mit anderen Beschriftungen.

• Seien Sie spezifisch: Vermeiden Sie vage, vage oder verwirrende Konzepte, da sie mit größerer Wahrscheinlichkeit eine schlechte Leistung erbringen und einen geringeren Geschäftswert bieten. Teilen Sie breite Beschriftungen nach Möglichkeit in mehrere verschiedene Beschriftungen auf. Beginnen Sie mit bestimmten Beschriftungen, z. B. mit mehreren Hierarchieebenen, und führen Sie sie bei Bedarf später zusammen, anstatt umfassende Beschriftungen manuell aufzuschlüsseln.

• Identifizierbar sein: Stellen Sie sicher, dass jede Beschriftung eindeutig anhand des Texts der Nachrichten identifizierbar ist, auf die sie angewendet wird.

• Übergeordnete Beschriftungen verwenden: Wenn Sie viele ähnliche Konzepte im Zusammenhang mit einem umfassenderen Thema erwarten, verwenden Sie eine übergeordnete Beschriftung.

• Untergeordnete Beschriftungen verwenden:Stellen Sie sicher, dass jede Beschriftung, die unter einer anderen Beschriftung verschachtelt ist, eine Teilmenge dieser Beschriftung ist.

• Hierarchieebenen begrenzen: Versuchen Sie, nicht mehr als vier Hierarchieebenen hinzuzufügen, da das Modell immer komplexer zu trainieren wird.

• Nicht informative Beschriftungen einschließen: Erstellen Sie einige nicht wertschöpfende Beschriftungen, z. B. Dankes-E-Mails, damit Sie der Plattform mitteilen können, was für die Analyse wichtig ist und was nicht.