ixp
latest
false
- Introducción
- Configuración de su cuenta
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales
- Etiquetas (predicciones, niveles de confianza, jerarquía de etiquetas y sentimiento de etiqueta)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Mensajes anotados y no anotados
- Campos extraídos
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Control y administración de acceso
- 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 conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración del conjunto de datos
- Eliminar un mensaje
- Eliminar un conjunto de datos
- Exportar un conjunto de datos
- Utilizar integraciones de Exchange
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, los campos generales y los metadatos
- Jerarquía de etiquetas y mejores prácticas
- Comparar casos de uso de análisis y automatización
- Convertir tus objetivos en etiquetas
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa
- 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
- Razones para etiquetar 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
- Automations and Communications Mining™
- Desarrollador
- Uso de la API
- Tutorial de la API
- Fuentes
- Conjuntos de datos
- Comentarios
- Archivos adjuntos
- Predictions
- Crear una transmisión
- Actualizar una transmisión
- Obtener una transmisión por nombre
- Obtener todas las transmisiones
- Eliminar una transmisión
- Obtener resultados de la transmisión
- Obtener comentarios de una transmisión (heredado)
- Avanzar una transmisión
- Restablecer una transmisión
- Etiquetar una excepción
- Desetiquetar una excepción
- Eventos de auditoría
- Obtener todos los usuarios
- Cargar datos
- Descargando datos
- Integración de Exchange con el usuario del servicio de Azure
- Integración de Exchange con la autenticación de aplicaciones de Azure
- Integración de Exchange con Azure Application Authentication y Graph
- Obtener datos para Tableau con Python
- Integración de Elasticsearch
- Extracción de campos general
- Integración de Exchange autohospedado
- Marco de automatización de UiPath®
- Actividades oficiales de UiPath®
- Cómo aprenden las máquinas a entender palabras: una guía para las incrustaciones en PNL
- Aprendizaje basado en solicitudes con Transformers
- Efficient Transformers II: destilación de conocimientos y ajuste
- Transformadores eficientes I: mecanismos de atención
- Modelado de intenciones jerárquico profundo no supervisado: obtener valor sin datos de entrenamiento
- Corregir el sesgo de anotación con Communications Mining™
- Aprendizaje activo: mejores modelos ML en menos tiempo
- Todo está en los números: evaluar el rendimiento del modelo con métricas
- Por qué es importante la validación del modelo
- Comparación de Communications Mining™ y Google AutoML para la inteligencia de datos conversacional
- Licencia
- Preguntas frecuentes y más
Guía del usuario de Communications Mining
Última actualización 20 de oct. de 2025
La página Informes es donde puedes ver los informes en la plataforma sobre tu conjunto de datos. Todos los informes se pueden filtrar para permitirle comprobar las vistas que son más importantes para usted.
Nota: debes tener asignados los permisos Origen - Leer y Conjunto de datos - Leer como usuario de Automation Cloud, o los permisos Ver orígenes y Ver etiquetas como usuario heredado.
Para acceder a esta página, selecciona la pestaña Informes en la barra de navegación. Dependiendo del tipo de datos, el número de pestañas en Informes puede variar.
Puedes alternar entre informes a nivel de mensaje e hilo, si los datos están en forma de hilo, como transcripciones de llamadas y cadenas de correo electrónico. Si no, el filtro de mensajes será el predeterminado.
La funcionalidad de informes integrada de la plataforma contiene las siguientes pestañas:
- Panel : te permite crear vistas de panel personalizadas utilizando los datos de las otras pestañas.
- Resumen de etiquetas : presenta estadísticas de resumen de alto nivel para las etiquetas.
- Tendencias : presenta gráficos para el volumen de mensajes y etiquetas y el sentimiento durante un período de tiempo determinado.
- Segmentos : presenta gráficos de volúmenes de etiquetas frente a campos de metadatos de mensajes, como el dominio del remitente.
- Hilos : presenta gráficos de volúmenes de hilos y volúmenes de etiquetas dentro de un hilo. Estos detalles solo son visibles cuando aplicas el filtro Hilo .
- Comparación : te permite comparar diferentes grupos de datos entre sí.
Al acceder a cada pestaña en la página Informes , puedes ver lo siguiente:
- Número total de mensajes contenidos en el conjunto de datos.
- Sentimiento neto , si el análisis de sentimiento está habilitado.
- Período de fecha para los datos seleccionados.
Si aplicas filtros de propiedad de usuario, campo general o etiqueta, estas estadísticas se actualizarán en función de los filtros y selecciones que hayas realizado.
Si filtras varias etiquetas, pero no tienes otros filtros aplicados, esto te mostrará el número total de mensajes en el conjunto de datos que es probable que tengan predicha al menos una de las etiquetas seleccionadas.
