- 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
Entrenamiento de modelos y mejores prácticas de anotación
Antes de comenzar a entrenar tu modelo, es importante leer los siguientes consejos y evitar los errores más comunes. Esto ayudará a reducir el tiempo de entrenamiento y a mejorar el rendimiento de tu modelo.
Las tres cosas más importantes que hay que recordar al entrenar un modelo de Communications Mining son:
Añadir todas las etiquetas que se aplican: recuerda añadir todas las etiquetas que se aplican a un mensaje. Es un error común que los nuevos usuarios anoten parcialmente un mensaje aplicando solo el que les interesa y olvidándose de añadir todos los demás que correspondan. No aplicar una etiqueta es tan poderoso como aplicar una: le estás diciendo al modelo que el mensaje no es algo tan bueno como lo que es. Por lo tanto, es importante aplicar todas las etiquetas, ya que puede confundir el modelo más adelante, lo que puede conducir a un rendimiento más bajo.
Aplicar etiquetas de forma coherente: recuerda ser coherente al añadir etiquetas. Por ejemplo, si añades la etiqueta 'Habitación > Tamaño' a un mensaje y te olvidas de añadir otro donde debería añadirse, confundirás el modelo. Al igual que con el consejo anterior, cuando no se aplica una etiqueta, es tan eficaz como aplicar una.
Anota lo que ves frente a ti: no hagas suposiciones al aplicar tus conocimientos empresariales. Si nada en el asunto o el cuerpo del mensaje indica que se debe aplicar una etiqueta, no la apliques, o el modelo no podrá entender por qué se aplica.
Consejos adicionales:
No pierdas mucho tiempo decidiendo los nombres de las etiquetas: no pierdas demasiado tiempo pensando en el nombre correcto de una etiqueta. Puedes cambiar el nombre de una etiqueta en cualquier momento durante el proceso de entrenamiento.
Sea específico al nombrar una etiqueta: sea lo más específico posible al nombrar una etiqueta y mantenga la taxonomía lo más plana posible inicialmente. Es mejor ser lo más específico posible con el nombre de tu etiqueta desde el principio, ya que siempre puedes cambiar y reestructurar la jerarquía más adelante.
Por ejemplo, si eliges aplicar una etiqueta para describir la limpieza de una habitación, podrías aplicar 'Limpieza de la habitación'. Si más tarde decides cambiarlo y tener limpieza como subetiqueta, puedes cambiarle el nombre a 'Habitación > Limpieza'. En esta etapa, debes añadir tantas etiquetas como sea posible a un mensaje, ya que siempre puedes volver y combinar más tarde.