- 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
- Definir y configurar tus campos generales
- Comprender los campos generales
- ¿Qué campos generales preentrenados están disponibles?
- Habilitar, deshabilitar, actualizar y crear campos generales
- Filtrado general de campos
- Revisar y aplicar campos generales
- Validación para campos generales
- Mejorar el rendimiento general del campo
- Crear campos generales personalizados de expresiones regulares
- Extracción generativa
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Preguntas frecuentes y más
Comprender las etiquetas, los campos generales y los metadatos
Antes de diseñar tu taxonomía, es importante entender qué deben capturar las etiquetas, los campos generales y los metadatos para cumplir tus objetivos. Debe haber superposiciones mínimas, ya que todos se complementan entre sí.
Etiquetas:
- Conceptos, temas e intenciones
- Por ejemplo, "Solicitud de cambio de dirección", "Urgente", "Solicitud de actualización de estado", etc.
- No debe utilizarse para capturar información que está presente en los metadatos
Campos generales:
- Puntos de datos estructurados extraídos del texto
- Por ejemplo Números de póliza, ID comerciales, URL, fechas, cantidades monetarias, etc.
Metadatos:
- Información estructurada adicional asociada a cada mensaje
- Las propiedades de metadatos pueden ser propiedades de usuario (definidas y añadidas antes de la carga, por ejemplo puntuación de NPS), propiedades de correo electrónico (capturadas de correos electrónicos, p. ej. remitente, destinatarios, dominios, etc.) y propiedades del hilo (derivadas automáticamente por la plataforma para datos encadenados como correos electrónicos y chats, por ejemplo número de mensajes en el hilo, duración del hilo, etc.)
Estas son algunas de las distinciones y similitudes claveentre las etiquetas y los campos generales. Los dos se utilizan normalmente en combinación para la automatización, pero individualmente sirven para diferentes propósitos:
La plataforma hace predicciones de etiquetas basadas en el texto del mensaje (para correos electrónicos, esto significa el asunto y el cuerpo del correo electrónico), así como algunas propiedades de metadatos. Para los campos generales, aprende del tramo de texto asignado y del contexto del texto que rodea ese tramo.
A continuación se muestra un mensaje de ejemplo que muestra cómo las etiquetas, los campos generales y los metadatos son distintos, pero complementarios entre sí. Para que esta solicitud entrante se automatice, cada una de ellas puede ser necesaria para un propósito específico:
