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
/api/v1/audit_events/query
Permisos necesarios: Leer registros de auditoría.
- Bash
curl -X POST 'https://<my_api_endpoint>/api/v1/audit_events/query' \ -H "Authorization: Bearer $REINFER_TOKEN" \ -H "Content-Type: application/json" \ -d '{ "filter": { "timestamp": { "maximum": "2021-07-10T00:00:00Z", "minimum": "2021-06-10T00:00:00Z" } } }'curl -X POST 'https://<my_api_endpoint>/api/v1/audit_events/query' \ -H "Authorization: Bearer $REINFER_TOKEN" \ -H "Content-Type: application/json" \ -d '{ "filter": { "timestamp": { "maximum": "2021-07-10T00:00:00Z", "minimum": "2021-06-10T00:00:00Z" } } }' - Nodo
const request = require("request"); request.post( { url: "https://<my_api_endpoint>/api/v1/audit_events/query", headers: { Authorization: "Bearer " + process.env.REINFER_TOKEN, }, json: true, body: { filter: { timestamp: { maximum: "2021-07-10T00:00:00Z", minimum: "2021-06-10T00:00:00Z", }, }, }, }, function (error, response, json) { // digest response console.log(JSON.stringify(json, null, 2)); } );const request = require("request"); request.post( { url: "https://<my_api_endpoint>/api/v1/audit_events/query", headers: { Authorization: "Bearer " + process.env.REINFER_TOKEN, }, json: true, body: { filter: { timestamp: { maximum: "2021-07-10T00:00:00Z", minimum: "2021-06-10T00:00:00Z", }, }, }, }, function (error, response, json) { // digest response console.log(JSON.stringify(json, null, 2)); } ); - Python
import json import os import requests response = requests.post( "https://<my_api_endpoint>/api/v1/audit_events/query", headers={"Authorization": "Bearer " + os.environ["REINFER_TOKEN"]}, json={ "filter": { "timestamp": { "minimum": "2021-06-10T00:00:00Z", "maximum": "2021-07-10T00:00:00Z", } } }, ) print(json.dumps(response.json(), indent=2, sort_keys=True))import json import os import requests response = requests.post( "https://<my_api_endpoint>/api/v1/audit_events/query", headers={"Authorization": "Bearer " + os.environ["REINFER_TOKEN"]}, json={ "filter": { "timestamp": { "minimum": "2021-06-10T00:00:00Z", "maximum": "2021-07-10T00:00:00Z", } } }, ) print(json.dumps(response.json(), indent=2, sort_keys=True)) - Respuesta
{ "audit_events": [ { "actor_user_id": "e2148a6625225593", "dataset_ids": ["1fe230edc85ffc1a"], "event_id": "2555880060c23eb5", "event_type": "get_datasets", "project_ids": ["ce3c61dcf210f425", "274400867ab17af9"], "tenant_ids": ["c59b6e209da438a8"], "timestamp": "2021-06-10T16:32:53Z" } ], "continuation": "2555880060c23eb5", "datasets": [ { "id": "1fe230edc85ffc1a", "name": "collateral-sharing", "project_id": "ce3c61dcf210f425", "title": "Collateral Sharing" }, { "id": "274400867ab17af9", "name": "Customer-Feedback", "project_id": "ce3c61dcf210f425", "title": "Customer Feedback" } ], "projects": [ { "id": "ce3c61dcf210f425", "name": "bank-collateral", "tenant_id": "c59b6e209da438a8" } ], "status": "ok", "tenants": [ { "id": "c59b6e209da438a8", "name": "acme" } ], "users": [ { "display_name": "Alice", "email": "alice@acme.example", "id": "e2148a6625225593", "tenant_id": "c59b6e209da438a8", "username": "alice" } ] }{ "audit_events": [ { "actor_user_id": "e2148a6625225593", "dataset_ids": ["1fe230edc85ffc1a"], "event_id": "2555880060c23eb5", "event_type": "get_datasets", "project_ids": ["ce3c61dcf210f425", "274400867ab17af9"], "tenant_ids": ["c59b6e209da438a8"], "timestamp": "2021-06-10T16:32:53Z" } ], "continuation": "2555880060c23eb5", "datasets": [ { "id": "1fe230edc85ffc1a", "name": "collateral-sharing", "project_id": "ce3c61dcf210f425", "title": "Collateral Sharing" }, { "id": "274400867ab17af9", "name": "Customer-Feedback", "project_id": "ce3c61dcf210f425", "title": "Customer Feedback" } ], "projects": [ { "id": "ce3c61dcf210f425", "name": "bank-collateral", "tenant_id": "c59b6e209da438a8" } ], "status": "ok", "tenants": [ { "id": "c59b6e209da438a8", "name": "acme" } ], "users": [ { "display_name": "Alice", "email": "alice@acme.example", "id": "e2148a6625225593", "tenant_id": "c59b6e209da438a8", "username": "alice" } ] }
Un evento de auditoría es un registro de una acción realizada por un usuario de la plataforma Communications Mining™. Los ejemplos de eventos auditables incluyen:
- Un usuario iniciando sesión
- Un usuario que cambia su contraseña
- Un usuario que cambia los permisos de otro usuario.
| Nombre | Tipo | Obligatorio | Descripción |
|---|---|---|---|
continuation | String | No | Si una consulta anterior devolvió un continuation en la respuesta, hay otra página de eventos disponible. Establezca aquí el valor de continuación devuelto para obtener la página siguiente.
|
limit | Número | No | El número de eventos de auditoría que se devolverán por página. El valor predeterminado es 128. |
filter | Filtro | No | Un filtro que especifica qué eventos de auditoría devolver. |
Donde
Filter tiene el siguiente formato:
| Nombre | Tipo | Obligatorio | Descripción |
|---|---|---|---|
timestamp | FiltroDeMarcaDeHora | No | Un filtro que especifica en qué intervalo de tiempo devolver los eventos. |
Donde
TimestampFilter tiene el siguiente formato:
| Nombre | Tipo | Obligatorio | Descripción |
|---|---|---|---|
minimum | String | No | Una marca de tiempo ISO-8601. Si se proporciona, solo devuelve el evento de auditoría posterior o incluyendo esta marca de tiempo. |
maximum | String | No | Una marca de tiempo ISO-8601. Si se proporciona, solo devuelve el evento de auditoría anterior a esta marca de tiempo. |
La lista de eventos de auditoría se puede encontrar bajo la clave
audit_events en el nivel superior de la respuesta. Cada AuditEvent puede hacer referencia a otros recursos (como fuentes, conjuntos de datos, usuarios, etc.) por ID. Para cada recurso al que se hace referencia, se puede encontrar información adicional bajo la clave respectiva (sources, datasets, users, etc.) en el nivel superior de la respuesta.
Un
AuditEvent representa una acción realizada por un usuario en la plataforma, y tiene el siguiente formato base. Pueden estar presentes claves adicionales dependiendo del valor de event_type. Por ejemplo, un evento de auditoría get_datasets tendrá una lista de dataset_ids que fueron leídos por el usuario.
| Nombre | Tipo | Descripción |
|---|---|---|
event_id | String | El ID único de este evento. |
event_type | String | El tipo de este evento.
Consulta la lista de tipos de eventos en la siguiente sección. |
timestamp | String | La marca de tiempo ISO-8601 de este evento, redondeada al segundo más cercano. |
actor_user_id | String | El ID del usuario que ejecutó esta acción. |
actor_tenant_id | String | El ID de tenant del usuario que ejecutó esta acción. |
Por último, si la respuesta contiene una clave
continuation , debes obtener la siguiente página de eventos estableciendo el campo continuation en la solicitud con este valor.
Eventos de auditoría de alerta
| Tipo de evento | Descripción |
|---|---|
|
| Se crea una alerta. |
alert_get | Se ve una alerta. |
alert_get_all | Se visualiza una lista de alertas. |
alert_update | Se edita la configuración de una alerta. |
alert_delete | Se elimina una alerta. |
alert_subscriptions_get | Se visualiza una lista de suscripciones a alertas. |
alert_subscriptions_delete | Se elimina una suscripción de alerta. |
Eventos de auditoría de cuota
| Tipo de evento | Descripción |
|---|---|
|
| Se ven las cuotas. |
|
| Se actualiza una cuota. |
|
| Se restablece una cuota. |
Transmitir eventos de auditoría (anteriormente, las transmisiones se denominaban "desencadenadores")
| Tipo de evento | Descripción |
|---|---|
trigger_create | Se crea una transmisión. |
trigger_get |
Se ve una transmisión. |
trigger_get_all | Se visualiza una lista de transmisiones. |
trigger_update | Se edita la configuración de una transmisión. |
trigger_delete | Se ha eliminado una transmisión. |
trigger_fetch | Se consulta una transmisión (operación heredada). |
trigger_advance | Se avanza una transmisión. |
trigger_reset | Se restablece una transmisión. |
trigger_fetch_gx | Se consulta una secuencia de extracción generativa (operación heredada). |
trigger_get_results | Se consulta una transmisión. |