- 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
Revisar predicciones de etiquetas
Permisos de usuario necesarios: 'Ver fuentes' Y 'Revisar y anotar'.
Después de la fase Descubrir, el modelo comenzará a hacer predicciones para muchas de las etiquetas de tu taxonomía.
El propósito de la fase Explorar es revisar las predicciones para cada etiqueta, confirmar si son correctas y corregirlas donde no lo sean, y así proporcionar muchos más ejemplos de entrenamiento para el modelo.
Hay dos acciones clave al revisar las predicciones de etiquetas:
- Cuando las predicciones sean correctas, debe confirmarlas/aceptarlas simplemente haciendo clic en ellas
- Cuando sean incorrectos, debes descartarlos/ignorarlos o, alternativamente, añadir las etiquetas correctas que se apliquen. Para añadir una etiqueta diferente, haz clic en el botón "+" y escríbela. Esta es la forma de corregir predicciones erróneas, añadiendo la correcta y no haciendo clic en ninguna etiqueta predicha incorrectamente
Las siguientes imágenes muestran cómo se ven las predicciones en Communications Mining para datos con y sin sentimiento. Al pasar el ratón por encima de la etiqueta, también se mostrará la confianza que tiene el modelo en que se aplica la etiqueta específica.
La transparencia de la etiqueta predicha proporciona un indicador visual de la confianza del modelo. Cuanto más oscuro sea el color, mayor será la confianza, y viceversa:
Para eliminar una etiqueta que hayas aplicado por error, puedes pasar el ratón por encima y aparecerá una 'X'. Haz clic aquí para eliminar la etiqueta.
