- 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
Validación
La página Validación muestra a los usuarios información detallada sobre el rendimiento de su modelo, tanto para las etiquetas como para los campos generales.
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 Campos generales, los usuarios pueden ver estadísticas sobre el rendimiento de las predicciones de campos generales para todos los campos generales habilitados 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.
Campos generales
La pestaña Campos generales (como se muestra arriba) muestra:
- El número de campos generales en el conjunto de entrenamiento , es decir, el número de campos generales anotados en los que se entrenó el modelo de validación
- El número de campos generales en el conjunto de pruebas , es decir, el número de campos generales anotados en los que se evaluó el modelo de validación
- El número de mensajes en el conjunto de entrenamiento , es decir, el número de mensajes que tienen campos generales anotados en el conjunto de entrenamiento
- El número de mensajes en el conjunto de prueba , es decir, el número de mensajes que tienen campos generales anotados en el conjunto de prueba
- Precisión media : la puntuación de precisión media en todos los campos generales
- Promedio de recuperación : la puntuación promedio de recuperación en todos los campos generales
- Puntuación F1 media : la puntuación F1 media en todos los campos generales (la puntuación F1 es la media armónica de precisión y recuperación, y las pondera por igual)
- Las mismas estadísticas pero para cada campo general individual
Para obtener más información sobre cómo funciona realmente la validación de campos generales y cómo utilizarla, consulta aquí.