- 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
- 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
Bevor Sie Ihre Taxonomie entwerfen, müssen Sie verstehen, welche Beschriftungen, allgemeinen Felder und Metadaten erfasst werden sollen, um Ihre Ziele zu erreichen. Es sollte minimale Überschneidungen geben, da sie sich alle gegenseitig ergänzen.
Beschriftungen erfassen Konzepte, Themen und Absichten. Zum Beispiel: Anforderung zur Änderung der Adresse, dringend, Anforderung zur Statusaktualisierung usw. Sie sollten keine Beschriftungen verwenden, um Informationen zu erfassen, die in den Metadaten vorhanden sind.
Allgemeine Felder erfassen strukturierte Datenpunkte, die aus dem Text extrahiert wurden. Zum Beispiel Versicherungsnummern, Handels-IDs, URLs, Daten, Geldmengen usw.
- Benutzereigenschaften – Vor dem Upload definiert und hinzugefügt, z. B. NPS-Punktzahl.
- E-Mail-Eigenschaften – Aus E-Mails erfasst, z. B. Absender, Empfänger, Domänen usw.
- Thread-Eigenschaften – Die Plattform leitet sie automatisch für Thread-Daten wie E-Mails und Chats ab. Zum Beispiel die Anzahl der Nachrichten in einem Thread, die Thread-Dauer usw.
In diesem Abschnitt werden die wichtigsten Unterschiede und Ähnlichkeiten zwischen Beschriftungen und allgemeinen Feldern aufgeführt. Beide werden normalerweise in Kombination zur Automatisierung verwendet, dienen aber einzeln unterschiedlichen Zwecken:
Beschriftungen
- Erfasst Absichten, Themen und Konzepte.
- Normalisiert verschiedene Ausdrücke in einem strukturierten Datenpunkt, um beispielsweise zu bestimmen, ob ein Konzept zutrifft oder nicht.
- Zugewiesen auf Nachrichtenebene.
- Lernt aus dem gesamten Kommunikationstext, den Beschriftungsnamen, den Beschreibungen sowie bestimmten Metadateneigenschaften.
- Hierarchisch strukturiert, um spezifische Ebenen hinzuzufügen.
Allgemeine Felder
- Erfasst bestimmte Werte eines bestimmten Typs, z. B. das Datum, das aus dem Text extrahiert wurde.
- Kann vollständig regelbasiert sein und einem sehr bestimmten Format folgen.
- Einige Typen können aus verschiedenen Ausdrücken in ein strukturiertes Format normalisiert werden.
- Communications Mining™ lernt aus dem Wert der allgemeinen Felder und dem Kontext des Absatzes, in dem es sich befindet, sowie dem Umgebungstext.
- Zugewiesen auf Absatzebene.
Sowohl für Beschriftungen als auch für allgemeine Felder gleich
- Sie können sie vorab trainieren oder von Grund auf neu trainieren.
- Vortrainierte Beschriftungen und allgemeine Felder werden vorhergesagt, sobald Sie sie aktivieren, und die Plattform trainiert automatisch erneut.
- Sie können Vorhersagen für Beschriftungen und allgemeine Felder akzeptieren und ablehnen und sie zuweisen, wenn sie nicht vorhergesagt werden.
- Sie können sowohl für Analyse- als auch für Automatisierungsanwendungsfälle verwenden.
Die Plattform macht Beschriftungsvorhersagen basierend auf dem Text der Nachricht, den Beschriftungsnamen und -beschreibungen sowie einigen Metadateneigenschaften. Mit der Einführung von Generativen Anmerkung verwendet die Plattform Beschriftungsnamen und Beschreibungen als Trainingseingaben, sodass das Modell die Bedeutung jeder Beschriftung besser verstehen kann.
Bei E-Mails ist dies z. B. der Betreff und der Text der E-Mail. Bei allgemeinen Feldern lernt sie aus dem zugewiesenen Textabschnitt und dem Kontext des Texts, der diesen Abschnitt umgibt.
- Betreffzeile
- Textkörper – Bei Daten mit Threads macht Communications Mining™ Vorhersagen nur auf der Grundlage der letzten E-Mail, nicht des vollständigen Threads, mit dem eine Thread-ID verknüpft ist.
- Einige Metadaten – Communications Mining lernt von einigen Eigenschaften, bei denen Themen identifiziert werden können, z. B. die Absender- oder Empfängerdomänen, NPS-Punktzahlen usw. Sie lernt nicht von den spezifischen Absendern und Empfängern von E-Mails, d. h. den vollständigen E-Mail-Adressen und eindeutigen Eigenschaften wie IDs.
Die folgende Abbildung enthält ein Beispiel für eine Nachricht, die zeigt, wie Beschriftungen, allgemeine Felder und Metadaten unterschiedlich sind, sich aber gegenseitig ergänzen. Um diese eingehenden Anfragen zu automatisieren, können Sie jede von ihnen für einen bestimmten Zweck benötigen:
- Beschriftungen – Die Beschriftung Adressänderung ist erforderlich, um die Art der Anforderung, d. h. die Absicht, zu identifizieren.
- Allgemeine Felder – Die Adresszeile, der Ort und die Postleitzahl werden verwendet, um die neuen Werte zu erfassen, auf die die Adresse aktualisiert werden würde. Beschriftungen haben die spezifischen Werte nicht erfasst.
- Metadaten – Dieser Prozess darf nur für bestimmte Clients implementiert werden, die über die Absenderdomäne identifizierbar sind. Es müssen keine Beschriftungen für bestimmte Clients erstellt werden, da dies in den Metadaten erfasst wird.