- 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 de acceso y administración
- 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
- Aplicar etiquetas
- Revisar mensajes
- Buscar mensajes
- Edición de etiquetas
- Extracción generativa
- Uso de análisis y supervisión
- Automations and Communications Mining™
- Desarrollador
- Introducción
- Uso de la API
- Tutorial de la API
- Resumen
- 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
- 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
- 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
Revisar los mensajes no revisados y aceptar o rechazar las etiquetas previstas de la plataforma y los campos generales entrena aún más el modelo y su precisión.
Puedes revisar los mensajes no revisados en la mayoría de los modos de entrenamiento en las pestañas Explorar y Descubrir :
- Clúster (Descubrir)
- Buscar (Descubrir y Explorar)
- Recientes (Explorar)
- Modo aleatorio (Explorar)
- Modo de etiqueta (Explorar)
- Enseñar (Explorar)
- Confianza baja (Explorar)
La opacidad de una etiqueta indica la confianza de la predicción de la plataforma de esa etiqueta; una mayor opacidad indica una mayor confianza.
- Al seleccionar la etiqueta, o el indicador de sentimiento, si el análisis de sentimiento está habilitado, se fija la etiqueta al mensaje, es decir, se confirma la predicción que el modelo hace para esa etiqueta.
- Si quieres cambiar el sentimiento de la etiqueta prevista, selecciona la imagen de la cara que aparece al pasar el ratón por encima del mensaje.
- Si la predicción es incorrecta, añade la correcta, que descarta las predicciones incorrectas.
Para aceptar o rechazar un campo general, realiza una de las siguientes acciones:
- Selecciona Confirmar en el campo general, o selecciona la tecla de acceso rápido 1 para confirmar un campo general. Esta acción ancla el campo general al mensaje, es decir, confirma la predicción que hace el modelo para esa etiqueta.
- Selecciona Descartar en el campo general, o selecciona la tecla de acceso rápido 2 para descartar un campo general. Esta acción indica a la plataforma que el campo general predicho es incorrecto.
Seleccionar el botón Cambiar campo general te permite asignar un campo general diferente, si el campo general previsto es incorrecto.
En el ejemplo anterior, al seleccionar este botón se muestran los otros campos generales de tu conjunto de datos que puedes asignar.
En este caso, puedes cambiar el tipo de campo general de Fecha de cancelación a Inicio de política en el menú desplegable, que asignará este campo general.