- 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
- Annotated and unannotated messages
- Campos extraídos
- 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 o eliminar un origen de datos en la GUI
- Cargar un archivo CSV en un origen
- Preparando datos para cargar archivos .CSV
- 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
- Entrenamiento y mantenimiento de modelos
- Understanding labels, general fields, and metadata
- Label hierarchy and best practices
- 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
- Comprender los requisitos de datos
- 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

Guía de usuario de Communications Mining
Understanding labels, general fields, and metadata
Before you design your taxonomy, it is important to understand what should be captured by labels, general fields, and metadata, to meet your objectives. There should be minimal overlaps as they all complement each other.
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: