- Primeros pasos
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales (anteriormente entidades)
- Etiquetas (predicciones, niveles de confianza, jerarquía, etc.)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Mensajes revisados y no revisados
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Administración
- Gestionar fuentes y conjuntos de datos
- Comprender la estructura de datos y los permisos
- Crear un origen de datos en la GUI
- Cargar un archivo CSV en un origen
- Crear un nuevo conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración de un conjunto de datos
- Eliminar mensajes a través de la IU
- Eliminar un conjunto de datos
- Eliminar una fuente
- Exportar un conjunto de datos
- Uso de integraciones de Exchange
- Preparando datos para cargar archivos .CSV
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, los campos generales y los metadatos
- Jerarquía de etiquetas y mejores prácticas
- Definición de los objetivos de taxonomía
- Casos de uso de análisis frente a automatización
- Convertir tus objetivos en etiquetas
- Crear tu estructura de taxonomía
- Mejores prácticas de diseño de taxonomía
- Importar tu taxonomía
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa (NUEVO)
- Estado de Dastaset
- Entrenamiento de modelos y mejores prácticas de anotación
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Entrenamiento
- Introducción a Refinar
- Explicación de la precisión y la recuperación
- Precisión y recuperación
- ¿Cómo funciona la validación?
- Comprender y mejorar el rendimiento del modelo
- ¿Por qué una etiqueta puede tener una precisión media baja?
- Entrenamiento utilizando la etiqueta Comprobar y la etiqueta Perdida
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y utilizar Reequilibrar
- Cuándo dejar de entrenar tu modelo
- Uso de campos generales
- Extracción generativa
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Información de licencia
- Preguntas frecuentes y más
Eliminar mensajes a través de la IU
Permisos de usuario necesarios: 'Editar mensajes'.
Puede haber casos en los que se hayan cargado mensajes a fuentes que no quieras en la plataforma. Esto podría deberse a que:
- El mensaje se ha dañado de alguna manera y no se puede utilizar
- El mensaje contiene información confidencial que no debe compartirse
- El mensaje no añade ningún valor al conjunto de datos
Cualquiera que sea el motivo, puedes eliminar mensajes de una fuente en la IU a través de un conjunto de datos que contenga esa fuente. Esta funcionalidad también está disponible a través de la API (ver aquí).
Nota: Eliminar un mensaje de una fuente mientras se está en un conjunto de datos eliminará ese mensaje de cualquier otro conjunto de datos que contenga esa fuente, así que no te tomes esta acción a la ligera. El mensaje podría estar actuando como datos de entrenamiento en otro conjunto de datos y eliminarlo afectaría al modelo en ese conjunto de datos. Si un mensaje en un origen no aporta valor a tu caso de uso, confirma que no aporta valor a otros conjuntos de datos antes de eliminarlo. La página de fuentes da una indicación de otros conjuntos de datos que están conectados a la fuente en cuestión.
Para eliminar un mensaje, simplemente haz clic en el botón Eliminar en la esquina inferior derecha del mensaje , como se muestra a continuación. Este botón solo aparecerá si tienes el permiso necesario para 'Editar mensajes'.
Se te mostrará una advertencia y una solicitud de confirmación como se muestra a continuación. Si desea continuar a pesar de la advertencia, haga clic en 'Eliminar'.