- 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
- 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)
- Comprender el estado de tu conjunto de datos
- 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
Campos generales (anteriormente entidades)
Las entidades, como se conocían anteriormente, ahora son campos generales, uno de los dos tipos de campos en Communications Mining™.
Los campos generales no están asociados a una determinada etiqueta, mientras que los campos de extracción sí lo están. Estos campos de extracción se predicen en función de sus etiquetas vinculadas.
Los campos generales son elementos adicionales de datos estructurados que se pueden extraer de los mensajes. Los campos generales incluyen datos como cantidades monetarias, fechas, códigos de moneda, organizaciones, personas, direcciones de correo electrónico, URL, así como muchas otras categorías específicas de la industria.
La siguiente captura de pantalla muestra un mensaje que contiene tres campos generales previstos; dos cantidades monetarias y un número de póliza:
Un ejemplo de mensaje de correo electrónico enviado a un buzón de suscripción de seguros que contiene campos generales de datos estructurados: dos cantidades monetarias y un número de póliza
Al igual que las etiquetas, los campos generales previstos pueden aceptarse, rechazarse o asignarse resaltando una cadena de texto y eligiendo el campo general correcto de la lista en el modal (consulta aquí cómo). Ambas acciones proporcionarán señales de entrenamiento al modelo general de extracción de campos, lo que mejorará su comprensión de ese tipo de campo general.
La habilitación de la extracción de campos generales y la selección de los campos generales a extraer se confirman durante la creación del conjunto de datos o a través de la sección de configuración en la página Configuración del conjunto de datos.
