- 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
- Preparando datos para cargar archivos .CSV
- Cargar un archivo CSV en un origen
- 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
- Guía de migración: servicios web de Exchange (EWS) a la API de Microsoft 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
Puedes cargar tu taxonomía de etiquetas a la plataforma Communications Mining™ desde una hoja de cálculo. Cargar tu taxonomía desde una hoja de cálculo importa automáticamente todas las etiquetas sin tener que añadirlas manualmente durante el entrenamiento del modelo.
Para importar tu taxonomía desde una hoja de cálculo, sigue estos pasos:
-
Selecciona Configuración en la barra de navegación y, a continuación, Taxonomía y Etiquetas y campos de extracción.
-
Selecciona la flecha desplegable junto al botón Nueva etiqueta .
-
Selecciona Importar desde hoja de cálculo en la lista desplegable.
-
Copie y pegue sus etiquetas (Etiqueta principal > Formato de etiqueta secundaria) y sus descripciones (si están disponibles) desde su hoja de cálculo.
-
Seleccionar Importar.
Se recomienda encarecidamente añadir descripciones de etiquetas a tus etiquetas para garantizar la coherencia de las anotaciones. Añadir descripciones de etiquetas es especialmente útil si varias personas entrenan el modelo.
Para importar tu taxonomía desde otro conjunto de datos, sigue estos pasos:
-
Selecciona la flecha desplegable junto al botón Nueva etiqueta .
-
Selecciona Importar desde el conjunto de datos en la lista desplegable.
-
Selecciona un nombre de conjunto de datos de la lista desplegable.
-
Seleccionar Importar.
Nota:Esto copia etiquetas y descripciones solo de un conjunto de datos existente. Para copiar un conjunto de datos completo, incluidas las anotaciones y las fuentes, selecciona Duplicar en las opciones del conjunto de datos en la página Conjuntos de datos.
Etiquetas importadas o creadas manualmente en la vista de taxonomía
Añadir etiquetas preentrenadas
También puedes añadir etiquetas preentrenadas en este paso. Las etiquetas preentrenadas como OOO, Gracias, Urgente, Chaser, etc.) son conceptos genéricos que se han entrenado previamente en un gran grupo de datos.
