Communications Mining
Más reciente
False
- Primeros pasos
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- General fields (previously Entities)
- 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
- Understanding labels, general fields and metadata
- 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
- Defining and setting up your general fields
- Understanding general fields
- Which pre-trained general fields are available?
- Enabling, disabling, updating and creating general fields
- General field filtering
- Reviewing and applying general fields
- Validation for general fields
- Improving general field performance
- Building custom regex general fields
- Extracción generativa
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Preguntas frecuentes y más
Guía de usuario de Communications Mining
Last updated 2 de jul. de 2024
Generar tus extracciones
Nota: Pre-requisites. Pick a label that has no performance indicators/warnings and is at a precision/recall level that’s appropriate for your use case.
- The Extraction validation process is required to understand the performance of these extractions via Validation.
Decide on the extraction that you want to train out. We use Report > Statement of Accounts as an example of a schema we want to train out.
To automate this process, extract the following data points to input into a downstream system:
Note: This is only applicable if you are training in Explore. In Train, clicking into an extraction training batch pre-loads the extractions.Use this training mode as required, to boost the number of training examples for each extraction (i.e., a set of fields assigned to a label) to at least 25, allowing the model to accurately estimate the performance of the extraction.
- Go to Explore then Label, and select the label you want to generate extractions on.
- Select Predict extractions. Predict extractions generates extractions on a per page basis in Explore (i.e.- this applies predictions on all the comments on a given page).
Note: Each time you go to the next page, you need to select Predict extractions again.
You can also generate extractions on an individual comment level. Select Annotate Fields, then Predict extractions icon.
What happens when you predict extractions?
- The model uses generative models and maps each of the data points that you previously defined (in our extraction schema), to relate to them to an intent (label).
- It extracts and returns them in a structured schema, for an SME to go through and confirm.
- The structured schema is intended to enable more complex automations, and is structured in JSON format in the API for consumption by any downstream automations.
- After making the extraction predictions, if the model picked up field extractions on the comment, it highlights the relevant span in the text (if applicable). The model displays the extracted value on the right-hand side. Check the Validating and annotating extractions page to learn how to validate the predicted values.
