- Documents d’API
- CLI
- Guides d'intégration
- Intégration avec l'utilisateur du service Azure
- Intégration avec l'authentification d'application Azure
- Automatisation en temps réel
- Récupérer des données pour Tableau avec Python
- Intégration d'Elasticsearch
- Intégration EWS auto-hébergée
- Infrastructure d'automatisation UiPath
- Activités UiPath Marketplace
- Activités officielles UiPath
- Blog
- Comment les machines apprennent à comprendre les mots : guide d'intégration dans NLP
- Apprentissage basé sur des invites avec des Transformers
- Efficient Transformers II : Dilarisation des connaissances et affinement
- Transformateurs efficaces I : mécanismes d'attention
- Modélisation de l'intention hiérarchique profonde non supervisée : obtenir de la valeur sans données d'entraînement
- Correction du biais d'annotation avec Communications Mining
- Apprentissage actif : de meilleurs modèles d'ML en moins de temps
- Tout est dans les chiffres : évaluer les performances du modèle avec des métriques
- Pourquoi la validation du modèle est importante
- Comparaison de Communications Mining et de Google AutoML pour l'intelligence des données conversationnelles
Extraction de champ général
Communications Mining extrait deux types de sorties à partir du texte non structuré : les libellés et les champs généraux. Les libellés décrivent le message entier, par ex. « Annulation », « Échec de la transaction » ou « Urgent ». Les champs généraux font référence à des parties spécifiques du message, par ex. « Nom de la comparaison », « ID client » ou « Date d’annulation ».
Dans un processus en aval, les libellés sont utilisés pour trier, hiérarchiser et décider quel type d'action doit être entreprise. Les champs généraux sont utilisés pour remplir les champs des requêtes. Par exemple, un processus en aval peut filtrer les messages sur ceux qui ont le libellé « Annulation », puis utiliser les champs généraux « ID client » et « Date d'annulation » extraits pour appeler une API afin de traiter automatiquement l'annulation.