- 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
- Chat de entrenamiento y datos de llamadas
- 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
- Información general
- Uso de informes
- Filtrar informes
- Autopilot™ para Communications Mining: filtros conversacionales (vista previa)
- 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 la autenticación de aplicaciones de Azure
- Integración de Exchange con Azure Application Authentication y Graph
- Obtener datos para Tableau con Python
- Integración de Elasticsearch
- Integración de Exchange autohospedado
- Marco de automatización de UiPath®
- Actividades de UiPath® Marketplace
- 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
El filtrado conversacional es una característica de Autopilot para Communications Mining que te ayuda a obtener las respuestas que necesitas más rápidamente.
Convierte las consultas en lenguaje natural en el conjunto de filtros necesarios para responderlas. Si no está seguro de qué filtros necesita para responder a una pregunta, o cómo aplicarlos correctamente, hace el trabajo duro por usted. Esto te ayuda a sacar el máximo partido de los análisis en Communications Mining, con una experiencia mínima.
Los filtros conversacionales están disponibles para todos los usuarios que tengan activada la opción Usar características de IA generativa en la configuración del conjunto de datos. La alternancia suele estar habilitada en la creación del conjunto de datos.
Para utilizar filtros conversacionales, sigue estos pasos:
- Escribe una consulta, como Mostrar mensajes transaccionales, y pulsa Intro.
- Espera a que Communications Mining comprenda la consulta, la asigne al conjunto de filtros correcto y los aplique por ti.
- El filtro genera una respuesta. La respuesta confirma cuántos filtros se identificaron en el mensaje y cuántos se aplicaron correctamente. Esto ayuda a identificar si una consulta se ha realizado parcialmente correctamente y te permite editar la consulta si es necesario, o aplicar manualmente cualquier filtro restante.
Si una solicitud se ha realizado parcialmente correctamente, es probable que uno de los valores de la consulta no sea identificable y no esté presente en el conjunto de datos.
Si necesitas editar la consulta para refinarla, ajusta la redacción y pulsa Intro de nuevo. Borra automáticamente los filtros aplicados actualmente y luego aplica el conjunto de filtros identificados en la consulta.
Los filtros conversacionales solo cambian de la vista Mensaje a la vista Hilos mientras se está en Informes. La vista de hilos no está disponible en Explorar, ya que los mensajes ya se muestran en el contexto de su hilo.
-
De un período de tiempo específico: mostrarme mensajes de [insertar período de tiempo].
-
De un remitente o dominio de remitente específico: mostrarme mensajes de [insertar correo electrónico/dominio de correo electrónico].
-
Mensajes frente a hilos:
- Mientras esté en Informes, puede hacer que cambie de la vista Mensajes a la vista Hilos añadiendo mostrar hilos o mostrar conversaciones a su consulta.
- Del mismo modo, para volver a la vista Mensajes , añade mostrarme mensajes o mostrarme correos electrónicos.
-
Detección de oportunidades:
-
- Mostrar mensajes transaccionales: estos tienen longitudes de hilo cortas (2-4 mensajes) y pueden ser los principales candidatos para la automatización.
- Mostrar solicitudes que contengan documentos aceptados por Document Understanding: pueden ser candidatas para su procesamiento con Document Understanding en sentido descendente.
- Mostrar mensajes que muestren niveles de servicio muy malos [o muy malos]: si tienes habilitada y configurada la Calidad de servicio, esto ayuda a identificar mensajes y etiquetas problemáticos.
Si el filtro no reconoce la solicitud, o se agota el tiempo de espera de la solicitud, se muestra un mensaje de error.
Si una solicitud no tuvo éxito, los valores de la consulta probablemente no eran identificables y es posible que no estén presentes en el conjunto de datos.
Edite la consulta, compruebe si hay errores tipográficos o errores e inténtelo de nuevo.