- 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
- 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
Dieser Abschnitt enthält die Tutorials, die die gängigsten Integrationsszenarien abdecken.
Diese Aktivitäten haben nur begrenzte Unterstützung über interne Labs und werden in Kürze durch die offiziellen Aktivitäten ersetzt. Es wird empfohlen, für die meisten Anwendungsfälle die offiziellen Aktivitäten zu verwenden.
Erstellen Sie einen Communications Mining™-Datensatz
Erstellen Sie einen Communications Mining-Datensatz, den Sie später in die Plattform hochladen können
| Name | Typ | BESCHREIBUNG |
|---|---|---|
| Kommunikationsdatentyp | Eingabe | Typ der Kommunikationsdaten, die Sie in einen CM-Datensatz konvertieren möchten |
| Datensatz-ID | Eingabe | Eine eindeutige hexadezimale Zahl, die den Datensatz in der Quelle eindeutig identifiziert |
| Zeitstempel der Nachricht | Eingabe | Tag und Uhrzeit, zu der die Daten erstellt wurden. Wenn keine Zeitzone angegeben ist, wird angenommen, dass es sich um UTC handelt. |
| Nachrichtentext | Eingabe | String, der entweder ein E-Mail-Textkörper oder ein anderer Nachrichteninhalt ist |
| Thread ID | Thread ID | Eine eindeutige hexadezimale ID, die einen Thread identifiziert. Nachrichten mit derselben Thread-ID werden zu einer Konversation gruppiert. |
| Antragsteller | E-Mail-Inhaltszuordnung | Eine Zeichenfolge, die den Betreff der Nachricht enthält |
| Von (From) | E-Mail-Inhaltszuordnung | Die E-Mail-ID des Absenders der Nachricht als Zeichenfolge |
| An (To) | E-Mail-Inhaltszuordnung | Ein Zeichenfolgen-Array primärer Empfänger |
| Cc | E-Mail-Inhaltszuordnung | Ein String-Array von CC-Empfängern |
| Bcc | E-Mail-Inhaltszuordnung | Ein String-Array von BCC-Empfängern |
| Benutzerdefinierte Zeichenfolgeneigenschaften | Benutzerdefinierte Eigenschaften | Alle Metadaten vom Typ Zeichenfolge, die auf den Datensatz zutreffen, z. B. Domänenname, Versicherungsnummer usw. |
| Benutzerdefinierte Nummerneigenschaften | Benutzerdefinierte Eigenschaften | Alle Metadaten vom Typ Nummer, die auf den Datensatz zutreffen, z. B. Sternebewertung, Punktzahl usw. |
| Communications Mining-Datensatz | Ausgabe | Der angelegte Datensatz |
Datensatz abrufen
Rufen Sie einen vorhandenen Communications Mining-Datensatz innerhalb der Plattform ab
| Name | Typ | BESCHREIBUNG |
|---|---|---|
| Projektname | Eingabe | Projekt in Communications Mining™, aus dem Sie den Datensatz abrufen möchten |
| Quellname | Eingabe | Quelle in Communications Mining, aus der Sie den Datensatz abrufen möchten |
| Datensatz-ID | Eingabe | Eine eindeutige hexadezimale Zahl, die den Datensatz in der Quelle eindeutig identifiziert |
| Aufzeichnen | Ausgabe | Der abgerufene Datensatz |
Upload Record(s)
Laden Sie einen Batch von Communications Mining-Datensätzen in die angegebene Quelle hoch
| Name | Typ | BESCHREIBUNG |
|---|---|---|
| Projektname | Eingabe | Projekt in Communications Mining™, aus dem Sie den Datensatz/die Datensätze hochladen möchten |
| Quellname | Eingabe | Quelle in Communications Mining, aus der Sie den Datensatz/die Datensätze hochladen möchten |
| Liste der Communications Mining-Datensätze hochladen | Eingabe | Liste der Communications Mining-Datensätze hochladen |
| Aufzeichnen | Eingabe | Einen Datensatz mit der Aktivität „Create Record“ erstellen |
| Datensatzliste | Eingabe | Erstellen Sie einen Datensatz mit der Aktivität „Create Record“ und hängen Sie ihn mit der Aktivität „Create List“ an eine Liste an. |
| Antworten hochladen | Ausgabe | Antworten hochladen |
Fetch Batch from Stream
Rufen Sie einen Batch der Kommunikation aus dem angegebenen Stream ab
| Name | Typ | BESCHREIBUNG |
|---|---|---|
| Projektname | Eingabe | Projekt in Communications Mining™, aus dem Sie den Batch abrufen möchten |
| Dataset-Name | Eingabe | Dataset in Communications Mining, aus dem Sie den Batch abrufen möchten |
| Streamname | Eingabe | Stream in Communications Mining, von dem aus Sie einen Batch abrufen möchten |
| Stream-Feed | Ausgabe | Stream-Feed |
Advance Stream
Bringen Sie einen Stream vor
| Name | Typ | BESCHREIBUNG |
|---|---|---|
| Stream auswählen, mit dem fortgefahren werden soll | Eingabe | Wählen Sie den Stream aus, der eine Ausgabe der Aktivität „Fetch Batch from Stream“ ist. |
| Weiter zur neuesten Sequence-ID | Eingabe | Verschieben Sie den ausgewählten Stream bis zur ID des zuletzt abgerufenen Datensatzes |
| Weiter zu | Eingabe | Sequence-ID, die Sie von der Aktivität „Fetch Batch from Stream“ erhalten haben |
| Erweiterte Streamantwort | Ausgabe | Erweiterte Streamantwort |
Reset Stream
Setzt einen Stream auf das angegebene Datum zurück
| Name | Typ | BESCHREIBUNG |
|---|---|---|
| Wählen Sie den zurückzusetzenden Stream aus | Eingabe | Wählen Sie den Stream aus, der eine Ausgabe der Aktivität „Fetch Batch from Stream“ ist. |
| Auf Datum/Uhrzeit zurücksetzen | Eingabe | Das Datum/die Uhrzeit der Datensatzerstellung, auf den/die Sie den Stream zurücksetzen möchten |
| Stream-Antwort zurücksetzen | Ausgabe | Stream-Antwort zurücksetzen |
Predict Record(s)
Rufen Sie Vorhersagen für einen Batch von Communications Mining™-Datensätzen ab
| Name | Typ | BESCHREIBUNG |
|---|---|---|
| Projektname | Eingabe | Projekt in Communications Mining, aus dem Sie Datensätze vorhersagen möchten. |
| Dataset-Name | Eingabe | Dataset in Communications Mining, aus dem Sie Datensätze vorhersagen möchten. |
| KI-Modellversion | Eingabe | Die Version des zu verwendenden Modells kann eine Versionsnummer oder „Live“ oder „Staging“ sein. Sie können verfügbare Versionen auf der Seite „Modelle“ anzeigen. |
| Automatischen Schwellenwert verwenden | Eingabe | Beim Aktivieren automatischer Schwellenwerte wird eine Liste vordefinierter Schwellenwerte zurückgegeben, die die Bezeichnungsvorhersage erfüllt. |
| Schwellenwert | Eingabe | Eine Zahl im Bereich von 1–100.Predict-Liste der Communications Mining-Datensätze, Eingabevorhersage-Liste der Communications Mining-Datensätze.RecordInput, einen Datensatz mit der Aktivität „Create Record“ erstellen. |
| Datensatzliste | Eingabe | Erstellen Sie einen Datensatz mit der Aktivität „Create Record“ und hängen Sie ihn mit der Aktivität „Create List“ an eine Liste an. |
| Transformations-Tag | Transformations-Tag | Das Transformations-Tag, das Sie zum Verarbeiten der unformatierten E-Mail verwenden möchten |
| Vorhersageergebnisse | Ausgabe | Vorhersageergebnisse |