- 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
- Grundlegendes zu Datenanforderungen
- Trainieren
- Überblick
- Training mit Clustern
- Training mit Suche
- 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
- Erforderliche Berechtigungen für Automation Cloud-Benutzer:
- Quelle – Lesen , um Nachrichten anzuzeigen.
- Dataset – Lesen , um Beschriftungen anzuzeigen.
- Dataset – Überprüfen , um Beschriftungen anzuwenden.
- Erforderliche Berechtigungen für Legacy-Benutzer:
- Zeigen Sie Quellen an , um Nachrichten anzuzeigen.
- Beschriftungen anzeigen , um Beschriftungen anzuzeigen.
- Überprüfen und kommentieren, um Beschriftungen anzuwenden.
Die Suchfunktion auf der Seite Erkennen wird verwendet, um nach wichtigen Begriffen und Ausdrücken zu suchen. Sie können nach exakten Suchbegriffen suchen, und wenn sie vorhanden sind, werden diese gefolgt von teilweisen Übereinstimmungen angezeigt. Diese Funktion kann verwendet werden, um nach alternativen Begriffen und Möglichkeiten zu suchen, die dieselbe Absicht oder dasselbe Konzept für jede Beschriftung zum Ausdruck bringen. Das kann nützlich sein, wenn Sie einen relevanten allgemeinen Begriff oder Ausdruck kennen, der bisher in keinem der Cluster aufgetreten ist und Sie ein paar Beispiele anheften möchten.
Die Suche sollte nicht verwendet werden, um eine große Anzahl von Beispielen pro Suchbegriff und Beschriftung anzuwenden – nur einige davon.
Im Cluster in der folgenden Abbildung geht es beispielsweise eindeutig um den Standort des Hotel, für das eine Standort-Beschriftung vorhergesagt wurde. Wenn wir nur diesen Begriff verwenden, könnte das Modell zu den Ausdrücken um das Wort „Standort“ oder „Ähnlich“ verzerrt werden. Wir sollten die Suchfunktion verwenden, um alternative Ausdrucksmöglichkeiten zu finden:
Mögliche alternative Suchbegriffe für Standort:
- Gefunden
- Praktisch
- Position
- Nähe
- Nähe
- Hotelposition
- Speicherort für den Transport
- Transportlinks
- Sehenswürdigkeiten
- In der Nähe des Transports
- Zentral
- In der Nähe des Flughafens
- In der Nähe des Flughafens
Suche nach verschiedenen Begriffen
Die folgende Abbildung enthält ein Beispiel dafür, wie bei der Suche nach alternativen Begriffen für den Standort Nachrichten hervorgehoben werden, die sich auf den Standort des Hotel beziehen, aber anders ausgedrückt werden. Auf diese Weise erhalten das Modell verschiedene Beispiele für die Verspeicherung.
Anwenden von Beschriftungen auf Suchergebnisse
- Wählen Sie die Option Suchen im Dropdown-Menü Cluster auf der Registerkarte Erkennen aus .
- Geben Sie Ihren Suchbegriff ein und drücken Sie die Eingabetaste oder wählen Sie das Suchsymbol.
- Übereinstimmende Suchbegriffe werden orange hervorgehoben. Die Plattform zeigt vollständige Übereinstimmungen an, gefolgt von teilweisen Übereinstimmungen.
- Fügen Sie alle Beschriftungen hinzu, die zutreffen sollen, nicht nur Ihre Suchergebnisse. Zum Beispiel die Eigenschaft Eigenschaft > Mitarbeiter-Bezeichnung im vorherigen Cluster.
Sie können diesen Prozess sparsam für jede Beschriftung verwenden, die dasselbe Thema auf unterschiedliche Weise ausdrücken kann. Es gibt jedoch andere Methoden, die in der Erkundungsphase behandelt werden und ebenfalls dazu beitragen, andere Trainingsbeispiele zu liefern, aber nicht das Potenzial haben, Ihr Modell zu verzerren.