- 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
Antes de diseñar tu taxonomía, debes comprender qué etiquetas, campos generales y metadatos deben capturar para cumplir tus objetivos. Debe haber superposiciones mínimas, ya que todos se complementan entre sí.
Las etiquetas capturan conceptos, temas e intenciones. Por ejemplo, solicitud de cambio de dirección, urgente, solicitud de actualización de estado, etc. No debes utilizar etiquetas para capturar información que está presente en los metadatos.
Los campos generales capturan puntos de datos estructurados extraídos del texto. Por ejemplo, números de póliza, ID comerciales, URL, fechas, cantidades monetarias, etc.
- Propiedades de usuario : carga previa definida y añadida, como la puntuación NPS.
- Propiedades de correo electrónico : capturadas de correos electrónicos, como remitente, destinatarios, dominios, etc.
- Propiedades de hilo : la plataforma las deriva automáticamente para datos de hilos, como correos electrónicos y chats. Por ejemplo, el número de mensajes en un hilo, la duración del hilo, etc.
Esta sección enumera las distinciones y similitudes clave entre las etiquetas y los campos generales. Los dos se utilizan normalmente en combinación para la automatización, pero individualmente tienen diferentes propósitos:
Etiquetas
- Captura intenciones, temas y conceptos.
- Normaliza expresiones variadas en un punto de datos estructurado, por ejemplo, determinando si un concepto se aplica o no.
- Asignado en el nivel de mensaje.
- Aprende de todo el texto de comunicación, nombres de etiquetas, descripciones, así como ciertas propiedades de metadatos.
- Estructurado en jerarquías para añadir niveles de especificidad.
Campos generales
- Captura valores específicos de un tipo determinado, como la fecha, extraídos del texto.
- Puede estar completamente basado en reglas y seguir un formato muy específico.
- Algunos tipos pueden normalizarse en un formato estructurado a partir de expresiones variadas.
- Communications Mining™ aprende del valor de los campos generales y del contexto del párrafo en el que se encuentra, así como del texto circundante.
- Asignado a nivel de párrafo.
Común a las etiquetas y a los campos generales
- Puedes preentrenarlos o entrenarlos desde cero.
- Las etiquetas preentrenadas y los campos generales se predicen tan pronto como los habilites, y la plataforma se vuelve a entrenar automáticamente.
- Puedes aceptar y rechazar las predicciones de etiquetas y campos generales, y asignarlas cuando no se predicen.
- Puedes utilizar tanto para casos de uso de análisis como de automatización.
La plataforma realiza predicciones de etiquetas en función del texto del mensaje, los nombres y descripciones de las etiquetas, así como algunas propiedades de metadatos. Con la introducción de la anotación generativa, la plataforma utiliza nombres y descripciones de etiquetas como entradas de entrenamiento, lo que permite que el modelo comprenda mejor el significado de cada etiqueta.
Por ejemplo, para correos electrónicos, esto significa el asunto y el cuerpo del correo electrónico. Para los campos generales, aprende del tramo de texto asignado y del contexto del texto que rodea ese tramo.
- Línea de asunto
- Cuerpo del texto : para los datos encadenados, Communications Mining™ hace predicciones basadas solo en el último correo electrónico, no en el hilo completo, al que un ID de hilo los vincula.
- Algunos metadatos : Communications Mining aprende de algunas propiedades en las que se pueden identificar temas, como los dominios del remitente o destinatario, las puntuaciones NPS, etc. No aprende de los remitentes y destinatarios específicos de los correos electrónicos, es decir, las direcciones de correo electrónico completas y las propiedades únicas como los ID.
La siguiente imagen contiene un ejemplo de un mensaje que muestra cómo las etiquetas, los campos generales y los metadatos son distintos, pero se complementan entre sí. Para automatizar esta solicitud entrante, puedes necesitar cada una de ellas para un propósito específico:
- Etiquetas : la etiqueta Cambio de dirección es necesaria para identificar la naturaleza de la solicitud, es decir, la intención.
- Campos generales : la línea de dirección, el pueblo o ciudad y el código postal se utilizan para capturar los nuevos valores a los que se actualizaría la dirección. Las etiquetas no capturaban los valores específicos.
- Metadatos : este proceso solo puede implementarse para ciertos clientes, identificables a través del dominio del remitente. No es necesario crear etiquetas para clientes específicos, ya que se captura en los metadatos.
