communications-mining
latest
false
- 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
- Eliminar una fuente
- 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)
- Estado de Dastaset
- 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 mediante Buscar (Explorar)
Importante :
Este contenido se ha traducido mediante traducción automática.
Guía de usuario de Communications Mining
Last updated 19 de nov. de 2024
Entrenamiento mediante Buscar (Explorar)
Se requiere permiso de usuario: Ver fuentes Y Revisar y anotar.
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 anotar 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 anotación típica de Discover (en masa + individual).
- Después de anotar los mensajes en la página, haz clic en Listo.
- un resumen de las acciones y opciones de entrenamiento para
close
o search for examples for a different label
, si la etiqueta no cumple los criterios para dejar de recomendar la búsqueda.