- Primeros pasos
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- 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
- Administrar 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
- Preparar datos para cargar archivos .CSV
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, las entidades 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
- Mejores prácticas de entrenamiento y etiquetado de modelos
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Entrenamiento
- Introducción a 'Perfeccionar'
- 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 'Comprobar etiqueta' y 'Etiqueta perdida'
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y usar 'Reequilibrar'
- Cuándo dejar de entrenar tu modelo
- Definir y configurar tus entidades
- Comprender las entidades
- ¿Qué entidades preentrenadas están disponibles?
- Habilitar, deshabilitar, actualizar y crear entidades
- Filtrado de entidades
- Revisar y aplicar entidades
- Validación para entidades
- Mejorar el rendimiento de la entidad
- Creación de entidades regex personalizadas
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Preguntas frecuentes y más
Validación
La página Validación muestra a los usuarios información detallada sobre el rendimiento de su modelo, tanto para etiquetas como para entidades.
En la pestaña "Etiquetas ", los usuarios pueden ver su calificación general del modelo de etiquetas, incluido un desglose detallado de los factores que componen su calificación, y otras métricas sobre su conjunto de datos y el rendimiento de las etiquetas individuales.
En la pestaña 'Entidades ', los usuarios pueden ver estadísticas sobre el rendimiento de las predicciones de entidad para todas las entidades habilitadas en el conjunto de datos.
Etiquetas
La pestaña "Factores " (como se muestra arriba) muestra:
- Los cuatro factores clave que contribuyen a la clasificación del modelo: equilibrio, cobertura, rendimiento medio de las etiquetas y rendimiento de las etiquetas con peor rendimiento
- Para cada factor, proporciona una puntuación y un desglose de los contribuyentes a la puntuación del factor
- Siguientes mejores acciones recomendadas en las que se puede hacer clic para mejorar la puntuación de cada factor
La pestaña "Métricas" (como se muestra a continuación) muestra:
- El tamaño del conjunto de entrenamiento, es decir, el número de mensajes en los que se entrenó el modelo
- El tamaño del conjunto de pruebas, es decir, el número de mensajes en los que se evaluó el modelo
- Número de etiquetas: es decir, el número total de etiquetas en tu taxonomía
- Precisión media en la recuperación : un gráfico que muestra la precisión media en un valor de recuperación dado en todas las etiquetas
- Precisión media media : una estadística que muestra la precisión media en todas las etiquetas
- Un gráfico que muestra, en todas las etiquetas, la precisión media por etiqueta frente al tamaño del conjunto de entrenamiento
La página Validación también permite a los usuarios seleccionar etiquetas individuales de su taxonomía para profundizar en su rendimiento.
Después de seleccionar una etiqueta, los usuarios pueden ver la precisión media de esa etiqueta, así como la precisión frente a la recuperación de esa etiqueta en función de un umbral de confianza determinado (que los usuarios pueden ajustar ellos mismos).
Para obtener más información sobre cómo funciona realmente la validación de etiquetas y cómo utilizarla, consulta aquí.
Entidades
La pestaña 'Entidades' (como se muestra arriba) muestra:
- El número de entidades en el conjunto de entrenamiento , es decir, el número de entidades anotadas en las que se entrenó el modelo de validación
- El número de entidades en el conjunto de pruebas , es decir, el número de entidades anotadas en las que se evaluó el modelo de validación
- El número de mensajes en el conjunto de entrenamiento , es decir, el número de mensajes que tienen entidades anotadas en el conjunto de entrenamiento
- El número de mensajes en el conjunto de prueba , es decir, el número de mensajes que tienen entidades anotadas en el conjunto de prueba
- Precisión media : la puntuación de precisión media en todas las entidades
- Promedio de recuperación : la puntuación promedio de recuperación en todas las entidades
- Puntuación F1 media : la puntuación F1 media en todas las entidades (la puntuación F1 es la media armónica de precisión y recuperación, y las pondera por igual)
- Las mismas estadísticas pero para cada entidad individual
Para obtener más información sobre cómo funciona realmente la validación de entidades y cómo utilizarla, consulta aquí.