- 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
- Información general
- Entrenamiento mediante clústeres
- Entrenamiento mediante Buscar (Discover)
- 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 mediante Buscar (Discover)
Permisos de usuario necesarios: 'Ver fuentes' Y 'Revisar y anotar'.
La funcionalidad "Buscar" en Discover se utiliza para buscar términos y frases clave. Puedes buscar términos de búsqueda exactos y, si existen, te los mostrará seguidos de coincidencias parciales. Esta función se puede utilizar para buscar términos alternativos y formas de expresar la misma intención o concepto para cada etiqueta. Esto puede ser útil si conoces un término o expresión común relevante que no ha aparecido en ninguno de los grupos hasta el momento y quieres fijar un par de ejemplos.
La búsqueda no debe utilizarse para aplicar un gran número de ejemplos por término de búsqueda y por etiqueta, solo unos pocos de cada uno.
Veamos un ejemplo. El siguiente grupo se refiere claramente a la ubicación del hotel, donde se ha predicho una etiqueta de ' Ubicación'. Si solo usáramos este término, podría sesgar el modelo hacia las frases alrededor de la palabra ' Ubicación' o similar, y deberíamos usar la función Buscar para encontrar formas alternativas de expresar esto:
Posibles términos de búsqueda alternativos para 'Ubicación':
- Localizado
- Conveniente
- Posición
- Proximidad
- Cerca
- Posición del hotel
- Ubicación a transportar
- Enlaces de transporte
- Atracciones turísticas
- Cerca del transporte
- Central
- Cerca del aeropuerto
- Cerca del aeropuerto
Buscar diferentes términos
El siguiente ejemplo muestra cómo la búsqueda de términos alternativos para "Ubicación" resalta los mensajes relacionados con la ubicación del hotel, pero expresados de forma diferente. Al hacer esto, el modelo recibirá diferentes ejemplos de 'Ubicación'.
Aplicar etiquetas a los resultados de búsqueda
- Seleccione ' Buscar' en el menú desplegable 'Clúster' en la pestaña Descubrir
- Introduce tu término de búsqueda y pulsa Intro o haz clic en el icono de búsqueda
- Los términos de búsqueda coincidentes aparecerán resaltados en naranja. La plataforma mostrará coincidencias completas seguidas de coincidencias parciales
- Añade todas las etiquetas que deberían aplicarse, no solo tus resultados de búsqueda (p. ej. Propiedad > Etiqueta de personal en el clúster anterior)
- NO hagas esto para un gran número de mensajes para cada etiqueta
Puedes utilizar este proceso con moderación para cada etiqueta que tenga formas variables de expresar el mismo tema. Sin embargo, hay otros métodos cubiertos en la fase Explorar que también ayudan a proporcionar diferentes ejemplos de entrenamiento, pero que no tienen el potencial de sesgar tu modelo.
