Communications Mining
Más reciente
False
- Primeros pasos
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- 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
- Administrar 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
- Preparar datos para cargar archivos .CSV
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, las entidades 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
- Mejores prácticas de entrenamiento y etiquetado de modelos
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Entrenamiento
- Introducción a 'Perfeccionar'
- 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 'Comprobar etiqueta' y 'Etiqueta perdida'
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y usar 'Reequilibrar'
- Cuándo dejar de entrenar tu modelo
- Definir y configurar tus entidades
- Comprender las entidades
- ¿Qué entidades preentrenadas están disponibles?
- Habilitar, deshabilitar, actualizar y crear entidades
- Filtrado de entidades
- Revisar y aplicar entidades
- Validación para entidades
- Mejorar el rendimiento de la entidad
- Creación de entidades regex personalizadas
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Preguntas frecuentes y más
Guía de usuario de Communications Mining
Última actualización 18 de abr. de 2024
Entrenamiento mediante Buscar (Explorar)
Se requiere permiso de usuario: 'Ver fuentes' Y 'Revisar y etiquetar'.
Incluso si el entrenamiento con
Search no es uno de los pasos principales descritos en la fase Explorar del entrenamiento, puede ser una herramienta de entrenamiento útil en cualquier punto del proceso de entrenamiento.
La página Entrenamiento usando Buscar (Descubrir) describe cómo usar la acción
search con moderación. Evita usarlo demasiado, ya que puede sesgar tu modelo.
Busca términos o frases en Explorar de la misma manera que en Descubrir.
Diferencias clave entre el uso de Search en Explorar y Descubrir:
- En Explorar debes revisar y etiquetar los resultados de búsqueda de forma individual, en lugar de hacerlo de forma masiva como en Descubrir.
- Explorar proporciona una aproximación útil del número de mensajes que coinciden con tus términos de búsqueda. Consulta el siguiente ejemplo para la búsqueda de "cancelación".
Busca algunos términos o frases relevantes y comprueba cuántas coincidencias aproximadas hay en el conjunto de datos. Utilízalo para estimar si tienes suficientes ejemplos para una determinada etiqueta.
Escribe tu término de búsqueda en el cuadro de búsqueda, en la parte superior derecha de la página:
Ejemplo de consulta de búsqueda en Explorar
Para usar
Search en la pestaña Entrenar , como otro paso de la fase Explorar del entrenamiento:
- Haz clic en la recomendación de búsqueda genérica en Entrenar:
- Selecciona la etiqueta de la lista de búsqueda:
- Revisa las sugerencias de búsqueda de etiquetas con tecnología de LLM.
- Añade el término de búsqueda y previsualiza los resultados (incluido el número de coincidencias aproximadas):
Nota: El lote tiene seis resultados en una página, con una experiencia de etiquetado típica de Discover (en masa + individual).
- Después de etiquetar los mensajes en la página, haz clic en Listo.
- un resumen de las acciones y opciones de entrenamiento para
closeo search for examples for a different label, si la etiqueta no cumple los criterios para dejar de recomendar la búsqueda.
