- Démarrage
- Équilibre
- Clusters
- Dérive de concept
- Couverture
- Jeux de données
- Champs généraux (anciennement entités)
- Libellés (prédictions, niveaux de confiance, hiérarchie, etc.)
- Modèles
- Flux
- Évaluation du modèle
- Projets
- Précision
- Rappel
- Messages examinés et non examinés
- Sources
- Taxonomies
- Apprentissage
- Prédictions positives et négatives vraies et fausses
- Validation
- Messages
- Administration
- Gérer les sources et les jeux de données
- Comprendre la structure des données et les autorisations
- Créer une source de données dans l'interface graphique
- Téléchargement d’un fichier CSV dans une source
- Créer un nouveau jeu de données
- Sources et jeux de données multilingues
- Activation des sentiments sur un ensemble de données
- Modifier les paramètres d’un jeu de données
- Supprimer des messages via l'interface utilisateur
- Supprimer un jeu de données
- Supprimer une source
- Exporter un jeu de données
- Utilisation des intégrations Exchange
- Préparation des données en vue du téléchargement du fichier .CSV
- Entraînement et maintenance du modèle
- Comprendre les libellés, les champs généraux et les métadonnées
- Hiérarchie des libellés et bonnes pratiques
- Définition de vos objectifs de taxonomie
- Cas d'utilisation d'analyse vs d'automatisation
- Transformer vos objectifs en libellés
- Construire votre structure de taxonomie
- Meilleures pratiques de conception de taxonomie
- Importation de votre taxonomie
- Présentation du processus d'entraînement du modèle
- Annotation générative (New)
- Comprendre le statut de votre jeu de données
- Entraînement des modèles et annotation des meilleures pratiques
- Entraînement avec l'analyse des sentiments des libellés activée
- Entraîner
- Vue d'ensemble (Overview)
- Examen des prédictions de libellé
- Entraînement à l'aide de la classification par glisser-déposer
- Entraînement à l'aide de l'option Enseigner le libellé (Explore)
- Entraînement à l'aide d'une confiance faible
- Entraînement à l'aide de la recherche (Explorer)
- Réduction et réorganisation de votre taxonomie
- Introduction à affiner
- Précision et rappel expliqués
- Précision et rappel
- Comment fonctionne la validation ?
- Comprendre et améliorer les performances du modèle
- Pourquoi un libellé peut-il avoir une précision moyenne faible ?
- Entraînement à l'aide du libellé Vérifier (Check label) et du libellé Manqué (Missed Label)
- Entraînement à l'aide du libellé En savoir plus (Affiner)
- Entraînement à l'aide de la recherche (affiner)
- Comprendre et augmenter la couverture
- Amélioration de l'équilibre et utilisation du rééquilibrage
- Quand arrêter l'entraînement de votre modèle
- Utilisation de champs généraux
- Extraction générative
- Utilisation des analyses et de la surveillance
- Vue d'ensemble (Overview)
- Utilisation des rapports
- Filtrage des rapports
- Autopilot pour Communications Mining - Filtres de conversation (Aperçu)
- Surveillance
- Automatisations et Communications Mining
- Informations de licence
- FAQ et plus encore
PREVIEWAutopilot pour Communications Mining - Filtres de conversation (Aperçu)
Le filtrage des conversations est une fonctionnalité d' Autopilot pour Communications Mining qui vous aide à obtenir les réponses nécessaires plus rapidement.
Il transforme les requêtes de langage naturel en ensemble de filtres nécessaires pour y répondre. Si vous ne savez pas quels filtres vous devez répondre à une question ou comment les appliquer correctement, il fait le plus gros du travail pour vous. Cela vous aide à tirer le meilleur parti des analyses dans Communications Mining, avec un minimum d'expérience.
Les filtres de conversation sont disponibles pour tous les utilisateurs dont le bouton Utiliser les fonctionnalités d'IA générative ( Use generative AI features ) est activé dans les paramètres du jeu de données. Ce bouton est généralement activé lors de la création du jeu de données.
Pour utiliser des filtres de conversation, procédez comme suit :
- Saisissez une requête, telle que montrer moi les messages transactionnels (show me transactional messages), et appuyez sur Entrée.
- Attendez que Communications Mining comprenne la requête, mappez-la à l'ensemble de filtres approprié et applique-les pour vous.
- Le filtre génère une réponse. La réponse confirme le nombre de filtres qui ont été identifiés dans le message et le nombre qui ont été appliqués avec succès. Cela permet d'identifier si une requête a été partiellement réussie et vous permet de modifier la requête si nécessaire ou d'appliquer manuellement les filtres restants.
Si une demande échouait partiellement, l'une des valeurs de la requête était probablement non identifiable et peut ne pas être présente dans l'ensemble de données.
Si vous devez modifier la requête pour l'affiner, ajustez le libellé, puis appuyez à nouveau sur Entrée . Il efface automatiquement les filtres actuellement appliqués, puis applique l'ensemble de filtres identifiés dans la requête.
Les filtres de conversation passent uniquement de la vue Message à la vue Flux de travail dans Rapports. L'affichage des fils de discussion n'est pas disponible dans Parcourir ( Explore), car les messages sont déjà affichés dans le contexte de leur fil de discussion.
Exemples :
À partir d’une période donnée
- Afficher les messages de [insérer une période]
À partir d'un expéditeur ou d'un domaine d'expéditeur spécifique
- Afficher les messages de [insérer l'e-mail/le domaine de l'e-mail]
- Dans Rapports ( Reports), vous pouvez faire passer de la vue Messages à la vue Fils de discussion en ajoutant des fil de discussion ou des conversations de montre-moi à votre requête.
- De même, pour revenir à la vue Messages , ajoutez des messages de message ou des e-mails de montre-moi.
Découverte d'opportunités
- Afficher-moi les messages transactionnels : ils ont de courtes longueurs de fil de discussion (2 à 4 messages) et peuvent être de principaux candidats à l'automatisation.
- Afficher les demandes contenant des documents acceptés par Document Understanding : celles-ci peuvent être des candidats au traitement avec Document Understanding en aval.
- Afficher les messages montrant les niveaux de service très mauvais [ou très mauvais] – si la qualité de service est activée et configurée, cela permet d'identifier les messages et les libellés problématiques.
Si le filtre ne reconnaît pas la requête ou si la requête expire, un message d'erreur s'affiche.
Si une demande échouait, les valeurs de la requête étaient probablement non identifiables et peuvent ne pas être présentes dans l’ensemble de données.
Modifiez la requête, recherchez des fautes de frappe ou des erreurs et réessayez.