- 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
- 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
Entrenamiento mediante Buscar (Explorar)
Debes tener asignados los permisos Origen - Leer y Conjunto de datos - Revisar como usuario de Automation Cloud, o los permisos Ver orígenes y Revisar y anotar como usuario heredado.
Aunque el entrenamiento a través de Buscar no es un paso principal en la fase Explorar , puede servir como una herramienta de entrenamiento útil en cualquier etapa del proceso de entrenamiento.
El entrenamiento con Buscar en la página Descubrir describe cómo utilizar la acción de búsqueda con moderación. Evita usarlo demasiado, ya que puede sesgar tu modelo.
Busca términos o frases en Explorar de la misma manera que en Descubrir.
Comparar utilizando Buscar en Explorar y Descubrir
- En Explorar, debes revisar y anotar los resultados de la búsqueda de forma individual, en lugar de hacerlo de forma masiva, como en Descubrir.
- Explorar proporciona una aproximación útil del número de mensajes que coinciden con tus términos de búsqueda. Consulta el siguiente ejemplo para la búsqueda de cancelación.
Busca algunos términos o frases relevantes y comprueba cuántas coincidencias aproximadas hay en el conjunto de datos. Utilízalo para estimar si tienes suficientes ejemplos para una determinada etiqueta.
Introduce tu término de búsqueda en el cuadro de búsqueda como se muestra en la siguiente imagen:
Para utilizar Buscar en la pestaña Entrenar , como otro paso de la fase Explorar del entrenamiento, procede de la siguiente manera:
-
Selecciona la recomendación de búsqueda genérica en la pestaña Entrenar :
-
Selecciona la etiqueta de la lista desplegable de búsqueda:
-
Revisa las sugerencias de búsqueda de etiquetas con tecnología de LLM.
-
Introduzca el término de búsqueda y obtenga una vista previa de los resultados, incluido el número de coincidencias aproximadas.
-
Selecciona Entrenar estos mensajes o busca otro término antes de continuar.
Nota:El lote tiene 6 resultados en una página, con una experiencia de anotación similar a Descubrir, masiva e individual.
-
Una vez que hayas anotado los mensajes, selecciona Listo. Esta acción muestra una ventana emergente que te informa de que el lote de entrenamiento está completo. Esta ventana también incluye un resumen de las acciones de entrenamiento y opciones para cerrar o buscar ejemplos para una etiqueta diferente, si la etiqueta no cumple los criterios para dejar de recomendar la búsqueda.