- 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
- Etiquetas
- Campos generales
Las etiquetas describen el mensaje completo, por ejemplo, Cancelación, Fallo comercial o Urgente. Los campos generales se refieren a partes específicas del mensaje, por ejemplo, Nombre de la contraparte, ID de cliente o Fecha de cancelación.
En un proceso posterior, las etiquetas se utilizan para clasificar, priorizar y decidir qué tipo de acción se debe realizar. Los campos generales se utilizan para rellenar los campos de las solicitudes. Por ejemplo, un proceso descendente puede filtrar los mensajes a aquellos que tienen la etiqueta Cancelación, y luego utilizar los campos generales ID de cliente y Fecha de cancelación extraídos para llamar a una API para procesar automáticamente la cancelación.
Communications Mining viene con una serie de campos generales integrados para conceptos comunes, como Organización, Código de moneda o Fecha. Puedes personalizar los campos generales integrados de Communications Mining para que se adapten a tu caso de uso específico. Por ejemplo, Communications Mining tiene un campo general Fecha prediseñado altamente entrenado que puedes utilizar como punto de partida para un campo general más personalizado como Fecha de renovación o Fecha de cancelación. Como alternativa, puedes empezar desde cero y enseñar a Communications Mining a reconocer algo completamente nuevo.
Este buzón recibe solicitudes de renovación, cancelación y administración que ocasionalmente son Urgentes. Communications Mining™ ha sido entrenado para reconocer cada uno de estos conceptos, y las predicciones de Communications Mining pueden utilizarse para clasificar los correos electrónicos al equipo correcto creando tickets de soporte.
Dado que el formato del número de póliza es específico de esta aseguradora en particular, configuramos el campo general para que sea entrenable desde cero. Por otro lado, la organización asegurada es un tipo de organización, por lo que la configuramos para que sea entrenable en función del campo general Organización incorporado. Por último, hemos observado que los intermediarios no siempre ponen su nombre en el correo electrónico, por lo que decidimos utilizar la dirección de correo electrónico del intermediario (disponible en los metadatos de los comentarios) para buscar el nombre correspondiente en una base de datos interna, en lugar de extraerlo como campo general.
La siguiente tabla resume estos enfoques.
| Configuración | Cuándo utilizarlo | Ejemplos |
|---|---|---|
| Campo general entrenable sin campo general base | Se utiliza con mayor frecuencia para varios tipos de ID internos, o cuando no hay un campo general base adecuado en Communications Mining. | Número de póliza, ID de cliente |
| Campo general entrenable con campo general base | Se utiliza para personalizar un campo general prediseñado existente en Communications Mining. | Fecha de cancelación (basada en la fecha), organización asegurada (basada en la organización) |
| Campos generales prediseñados (no entrenables) | Se utiliza para campos generales que deben coincidir exactamente como se definen, en los que el entrenamiento invitaría a errores. | es en |
| Utilizar metadatos de comentarios en lugar de campos generales | Se utiliza cuando la información necesaria ya está presente en forma estructurada en los metadatos del comentario. | Dirección del remitente, Dominio del remitente |
Communications Mining™ ofrece múltiples formas de obtener predicciones, incluidos los campos generales previstos. Consulta la descripción general de la descarga de datos para comprender qué método funcionará mejor para tu caso de uso.
Cualquiera que sea el método que elijas, debes tener en cuenta los siguientes casos límite y manejarlos en tu aplicación:
- No todos los campos generales esperados están presentes en la respuesta
- La respuesta contiene varias coincidencias para uno o más campos generales
- No todos los campos generales presentes en la respuesta son correctos
En esta sección repasaremos cada uno de estos casos límite con más detalle.
No todos los campos generales están presentes en la respuesta
La respuesta contiene varias coincidencias para uno o más campos generales
Ten en cuenta que puedes utilizar los metadatos en la respuesta al gestionar estos casos. Por ejemplo, podemos elegir elegir preferentemente los números de póliza que aparecen en el asunto del correo electrónico sobre los que aparecen en el cuerpo del correo electrónico. El siguiente ejemplo muestra la respuesta que la API devolverá para nuestro correo electrónico de ejemplo.
{
"predictions": [
{
"uid": "aa05ba2250de48e3.7588b85f68f81c3b",
"labels": [...],
"entities": [
{
"id": "6a1d11118b60868e",
"name": "policy-number",
"span": {
"content_part": "body",
"message_index": 0,
"utf16_byte_start": 200,
"utf16_byte_end": 222,
"char_start": 100,
"char_end": 111
},
"kind": "policy-number",
"formatted_value": "GHI-0204963"
},
{
"id": "6a1d11118b60868e",
"name": "policy-number",
"span": {
"content_part": "subject",
"message_index": 0,
"utf16_byte_start": 0,
"utf16_byte_end": 22,
"char_start": 0,
"char_end": 11
},
"kind": "policy-number",
"formatted_value": "GHI-0068448"
},
{...},
{...},
{...}
]
}
],
"model": {
"version": 31,
"time": "2021-07-14T15:00:57.608000Z"
},
"status": "ok"
}{
"predictions": [
{
"uid": "aa05ba2250de48e3.7588b85f68f81c3b",
"labels": [...],
"entities": [
{
"id": "6a1d11118b60868e",
"name": "policy-number",
"span": {
"content_part": "body",
"message_index": 0,
"utf16_byte_start": 200,
"utf16_byte_end": 222,
"char_start": 100,
"char_end": 111
},
"kind": "policy-number",
"formatted_value": "GHI-0204963"
},
{
"id": "6a1d11118b60868e",
"name": "policy-number",
"span": {
"content_part": "subject",
"message_index": 0,
"utf16_byte_start": 0,
"utf16_byte_end": 22,
"char_start": 0,
"char_end": 11
},
"kind": "policy-number",
"formatted_value": "GHI-0068448"
},
{...},
{...},
{...}
]
}
],
"model": {
"version": 31,
"time": "2021-07-14T15:00:57.608000Z"
},
"status": "ok"
}