Mejores prácticas y consideraciones

No dividir palabras

El campo general resaltado debe cubrir la palabra completa, o varias, en cuestión, no solo parte de ella. No incluyas espacios adicionales al final del campo.

No revisar parcialmente los campos

Al igual que las etiquetas, no revises parcialmente tus campos generales y de extracción.​

• Los campos generales se revisan a nivel de párrafo, no a nivel de mensaje completo. Cuando revises un párrafo en busca de campos, revisa todos los campos del párrafo. Si no se confirma un campo en un párrafo en el que se han etiquetado otros campos, se indica al modelo que no se considera un ejemplo auténtico del campo previsto. Esto se refleja en las puntuaciones de validación y el rendimiento general del campo.
• Los campos de extracción se revisan a nivel de mensaje, no solo a nivel de párrafo. Cuando revises un mensaje completo en busca de campos, revisa todos los campos del mensaje. Si no se confirma un campo en un mensaje en el que se han etiquetado otros campos, se indica al modelo que no se considera un ejemplo auténtico del campo previsto. Esto se refleja en las puntuaciones de validación y el rendimiento del campo de extracción. ​

Consideraciones a nivel de campo

Nota:

Las consideraciones a nivel de campo y el rendimiento de la extracción y la etiqueta son las cosas más importantes que hay que recordar al asignar campos generales y de extracción.

• Los campos globales no pueden superponerse entre sí o con otro ejemplo de sí mismo.
• Los campos globales y los campos de extracción pueden superponerse entre sí.
• Puedes utilizar el mismo espacio de texto tantas veces como sea necesario para los diferentes campos de extracción.
• Actualmente no hay una vista previa de normalización de campo general en Communications Mining™. Los campos que deben normalizarse se normalizarán en la respuesta posterior. La normalización en Communications Mining estará disponible en el modelo en el futuro.
• Si una etiqueta secundaria tiene extracciones, su elemento principal no hereda los ejemplos de extracción automáticamente. Para las etiquetas, su elemento principal hereda automáticamente los ejemplos de extracción.

Rendimiento de extracción y etiquetado

• Proporcionar ejemplos de extracción adicionales no mejora el rendimiento de una etiqueta. Para mejorar el rendimiento de una etiqueta, céntrate en el entrenamiento específico de la etiqueta.
• Mejorar el rendimiento de las etiquetas te permite aumentar la probabilidad de capturar ocurrencias en las que debería haberse predicho una etiqueta y, posteriormente, sus extracciones. Para mejorar el rendimiento de tus extracciones, proporciona ejemplos validados en las propias extracciones.