- 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
Validar y anotar las extracciones generadas
Proporcione suficientes ejemplos para que el modelo pueda proporcionarle estadísticas de validación. Las estadísticas de validación te ayudan a comprender el rendimiento de tus extracciones. Además, te permite ajustar tus extracciones.
Revisa los resultados y:
- Acepte las extracciones si son correctas.
- Corrija las extracciones si hay predicciones incorrectas.
- Marca las extracciones como faltantes si no están presentes en el mensaje.
- Si falta alguno, configura cualquier campo adicional que sea necesario para habilitar la automatización de extremo a extremo.
¿Por qué es importante el ajuste fino?
El ajuste fino te permite utilizar las anotaciones recopiladas para mejorar el rendimiento del modelo de extracción.
Te permite tomar el modelo listo para usar y mejorar el rendimiento para tus casos de uso.
¿Cuándo puedes parar?
Deténgase una vez que proporcione al menos 25 ejemplos de extracciones de etiquetas para que el modelo los utilice en su proceso de validación. Comprueba la validación y comprueba si el rendimiento es suficiente o si se necesitan más ejemplos.
| # | Descripción |
| 1 | Si todas las predicciones de campo son correctas, seleccionar el botón Confirmar te permite confirmar que las anotaciones son correctas, de forma masiva. |
| 2 | Para añadir o modificar cualquier campo que debería haber estado presente en el mensaje, selecciona +, junto a la sección del campo general o del campo de extracción. |
| 3 | Marcar esta casilla te permite confirmar que una anotación de campo es correcta, en un nivel de extracción. |
| 4 | Esto muestra qué punto de datos se predijo para un campo determinado.
Si la predicción es incorrecta, seleccionar el botón x te permite ajustar el campo con la correcta. |
| 5 | Esto muestra la posición en el mensaje en la que se predicen los puntos de datos.
|
| 6 | Para añadir o modificar cualquier campo, pasa el ratón por encima del botón + , en la sección del campo general o del campo de extracción correspondiente. |
| 7 | Para expandir los campos mostrados para Campos generales o Campos de extracción específicos, selecciona el botón desplegable . |
La siguiente imagen muestra el aspecto de una extracción en su estado no confirmado . En el panel derecho, la extracción se marca como no confirmada, y el resaltado en el propio texto tiene un color más claro.
La pestaña Tren de extracciones está en vista previa pública.
Para validar tus extracciones a través de la pestaña Entrenar, sigue estos pasos:
- Ve a Entrenar.
- Ve a Extracción.
- Selecciona la extracción de etiquetas que deseas validar.
- Una vez que selecciones la extracción de etiquetas que deseas validar, confirma si el mensaje mostrado es un ejemplo aplicable de la etiqueta.
- Una vez que hayas aplicado todas las etiquetas aplicables, selecciona Siguiente: Anotar campos.
- Validar extracciones en la pestaña Entrenar es similar a validar extracciones en Explorar.
La principal diferencia es que puedes ver los mensajes en los lotes de entrenamiento.
- El botón Confirmar todo y Siguiente te redirige al siguiente mensaje para anotarlo automáticamente.
