- 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
- Create or delete a data source in the 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
- 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
- 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
Uso de integraciones de Exchange
Permisos de usuario necesarios: 'Administrador de fuentes', 'Modificar integraciones', 'Actualizar datos a depósitos' y 'Administrador de conjuntos de datos'.
Es importante comprender la relación entre los componentes clave de la plataforma, como las integraciones, los buzones de correo, los depósitos, las fuentes y los conjuntos de datos para configurar tus datos de forma eficaz.
First, an Exchange Integration is set up (via a Service Account), with data being synced from the Microsoft Exchange Server. This integration allows you to sync multiple mailboxes.
These mailboxes are each stored in a bucket, and each bucket can contain multiple mailboxes.
Next, you will need to set up a source. This is a collection of raw annotated communications data of a similar type. When setting up a source, if you are using data from an email integration you must specify which bucket you want to sync from (i.e. - the bucket where the mailboxes in scope for your use case are stored).
Once you have finished setting up your source, you will need to add your source to a dataset, which is where your Model will be trained.
Each dataset belongs to a project, which is a permissioned storage area within the platform. Each dataset and source belongs to a specific project, which is designated when they are created.
El siguiente diagrama ilustra cómo se relacionan todos estos componentes:
En un nivel alto, deberás completar los siguientes pasos (en este orden específico ) para que los datos de tus buzones se muestren en la plataforma: