- 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
- Datenquellen
- Datasets
- Projekte
Dabei handelt es sich um Sammlungen von rohen, nicht kommentierten Kommunikationsdaten eines ähnlichen Typs, wie z. B. alle E-Mails aus einem freigegebenen Postfach oder eine Sammlung von NPS-Umfrageantworten. Weitere Informationen finden Sie unter Quellen. Sie können einzelne Datenquellen mit bis zu 10 verschiedenen Datasets verknüpfen.
Diese bestehen aus 1 bis 20 Datenquellen ähnlicher Art mit ähnlichen beabsichtigten Zwecken und dem Modell, das Sie erstellen, wenn Sie die Plattform trainieren, um die Daten in diesen Quellen zu verstehen. Weitere Informationen finden Sie unter Datasets.
Projekte stellen einen lizenzierten Speicherbereich innerhalb der Plattform dar. Jedes Dataset und jede Datenquelle gehört zu einem bestimmten Projekt, das bei der Erstellung angegeben wird. Weitere Informationen finden Sie unter Projekte.
Mit Mandanten können Sie Ihre Organisationsstruktur modellieren, Ihre Geschäftsabläufe trennen und Informationen bereitstellen, die Organisationen im echten Leben ähneln. Mandanten sind Container, in denen Sie Ihre Dienste organisieren und für eine Gruppe von Benutzern verwalten können.
Sie können beispielsweise Mandanten für jede Ihrer Abteilungen erstellen und basierend auf ihren Bedürfnissen entscheiden, welche Dienste Sie für die einzelnen Abteilungen aktivieren möchten. In jedem Mandanten können Sie eine Instanz jedes Cloud-Dienstes haben.
Beachten Sie, dass Sie Communications Mining™-Modelle nicht zwischen verschiedenen UiPath® Cloud-Mandanten bewerben können. Zum Beispiel von der Entwicklung zur Produktion.
Wenn Sie nur in der Produktion in einer Produktionsumgebung bereitstellen können, aktivieren Sie den IXP-Dienst, der Communications Mining umfasst, in der Produktion. Wenn Sie jedoch Flexibilität bei der Bereitstellung in der Produktion von einer anderen Umgebung aus haben, können Sie Ihre Produktionsautomatisierungen die Plattform von dem Mandanten aus aufrufen lassen, in dem sie sich befindet, z. B. Qualitätssicherung oder Entwicklung.
Berechtigungen gelten pro Benutzer und spezifisch für jedes Projekt, zu dem ein Benutzer gehört. Sie können Zugriff auf vertrauliche Daten gewähren und Benutzern je nach Berechtigung die Durchführung verschiedener Aktionen innerhalb der Plattform ermöglichen. Weitere Informationen finden Sie unter Rollen und die zugrunde liegenden Berechtigungen.
Wenn Sie ein Benutzer der Automation Cloud sind, ist Ihr IXP-Dienst, zu dem Communications Mining gehört, auf einem bestimmten Mandanten aktiviert. In Mandanten werden Projekte gespeichert.
Jedes Dataset und jede Datenquelle ist einem bestimmten Projekt zugeordnet, wobei Benutzer Berechtigungen für diese Projekte benötigen, um mit den enthaltenen Daten arbeiten zu können.
Datasets in einem Projekt können aus Datenquellen aus einem anderen Projekt bestehen. Die Benutzer benötigen in beiden Projekten Berechtigungen, um die Daten anzuzeigen und mit Anmerkungen zu versehen.
Die Abbildung zeigt die Beziehung zwischen diesen Komponenten und Berechtigungen:
- In der Abbildung sind bei Mandant A alle Datenquellen mit Projekt A1 verknüpft, während Datasets sowohl mit Projekt A1 als auch mit Projekt A2 verknüpft sind.
- Wenn ein Benutzer auf Datasets in Projekt A1 zugreifen möchte, d. h. auf Dataset 1, 2 oder 3, benötigt er Anzeigeberechtigungen nur für Projekt A1.
- Wenn ein Benutzer jedoch auf Datasets im Projekt A2 zugreifen möchte, also auf Dataset 4, 5 oder 6, benötigt er Anzeigeberechtigungen für die Projekte A1 und A2, da sich die Datenquellen alle in Projekt A1 befinden.
- Um das Projekt A1 oder A2 anzuzeigen, benötigte der Benutzer Zugriff auf Mandant A. Um das Projekt B1 anzuzeigen, benötigte der Benutzer Zugriff auf Mandant B. Die Benutzerberechtigungen werden nicht mandantenübergreifend übertragen.
