- 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
- Automatisations et Communications Mining
- Informations de licence
- FAQ et plus encore
Explorer
Autorisations utilisateur requises : « Afficher les sources » ET « Afficher les libellés ».
La page Explorer (Explore) vous permet de rechercher, d’examiner et de filtrer un ensemble de données afin d’inspecter et d’examiner des messages individuels et des champs généraux. Vous pouvez parcourir la page Explorer en cliquant sur « Explorer » dans la barre de navigation supérieure.
Par défaut, Explore présente les 20 messages les plus récents d'un ensemble de données en mode «Récents ». Vous pouvez cliquer sur le sélecteur de mode déroulant dans le coin supérieur gauche de la page pour modifier cela.
Les différentes options que vous pouvez sélectionner dans le menu déroulant sont les suivantes :
- Récents (Recent) : affichez les 20 messages les plus récents
- Mélanger (Short) : affichez 20 messages aléatoires.
- Teach – affichez 20 messages que la plate-forme ne sait pas comment annoter
- Faible confiance (Low confidence) : affiche 20 messages qui ne sont pas bien couverts par les prédictions d'étiquette informatives
- Rééquilibrer ( Rebalance ) : affiche 20 messages sous-représentés par les données d'entraînement dans votre ensemble de données
- Libellé (Label) : affichez 20 messages avec le libellé sélectionné attribué/prédit (il s'agit du mode par défaut lorsqu'un libellé est sélectionné)
- Vérifier le libellé : affichez 20 messages dont le libellé sélectionné peut être incorrectement appliqué
- Libellé manquant (Missed label ) : affichez 20 messages pour lesquels le libellé sélectionné peut être manquant
Au bas de la page, vous pouvez cliquer sur pour passer à la page suivante de 20 messages, ou revenir à une page précédente.
La barre de filtre sur le côté gauche de la page (comme indiqué ci-dessous) vous permet de trouver des groupes spécifiques de messages.
À partir de cette barre de filtres, vous pouvez filtrer vers :
- Plages de dates spécifiques (choisissez des dates exactes ou choisissez parmi des options telles que la dernière semaine, le dernier mois, les 90 jours ou l'année)
- Messages examinés ou non examinés
- messages avec des prédictions de sentiment positives ou négatives (si le sentiment est activé sur l'ensemble de données)
- Ajoutez n'importe quel filtre basé sur les propriétés de métadonnées associées à vos messages (cliquez sur 'Ajouter un nouveau filtre')
- Filtrer vers les messages qui ont des champs généraux spécifiques prédits ou attribués
- Filtrer les messages qui ont (ou n'ont pas) un libellé spécifique ou une combinaison de libellés prédits (voir l'article sur les Filtres de prédiction avancés pour plus de détails)
Lorsque vous cliquez sur « Ajouter un nouveau filtre », la liste déroulante affiche une liste complète de tous les filtres de propriétés disponibles.
Ceux-ci sont naturellement regroupés par catégories, et certaines sont uniques au type de communication dans l'ensemble de données, par exemple E-mail.
Les catégories de propriétés dans lesquelles les propriétés sont regroupées sont regroupées sont :
- Source - apparaît uniquement s'il existe plusieurs sources dans l'ensemble de données
- E-mail ( Email ) - ceux-ci sont spécifiques aux e-mails individuels, par exemple qui les a envoyés
- Fil de discussion : spécifiques aux e-mails et liés aux caractéristiques des fils d'e-mails
- Pièce jointe ( Attachment ) - spécifique aux messages (principalement les e-mails) avec des propriétés de pièce jointe spécifiques.
- Utilisateur : toutes les autres propriétés de métadonnées téléchargées (et non dérivées par la plateforme) avec chaque message
À la gauche de chaque propriété, une icône indique le type de propriété, qu'il s'agisse d'un nombre ou d'une chaîne. Pour les propriétés utilisateur de type string, la plateforme fournit un exemple de valeur de survol (voir ci-dessous).
Lorsque vous ajoutez un filtre aux champs de métadonnées avec un format chaîne, vous pourrez choisir les éléments à inclure ou à exclure de votre sélection (comme illustré dans les deux exemples ci-dessous) :
Si vous ajoutez un filtre aux champs de métadonnées avec un format numérique, vous pourrez sélectionner des valeurs minimales ou maximales (comme indiqué ci-dessous), afin de créer la plage de votre choix :
Pour supprimer un filtre que vous avez appliqué, cliquez simplement sur l'icône de la corbeille qui apparaît lorsque vous la survolez avec votre souris (comme indiqué ci-dessous), ou sélectionnez « Tout effacer » en haut de la barre de filtre pour supprimer tous les filtres appliqués .
Vous pouvez utiliser la barre de filtre des libellés pour filtrer les messages qui ont (ou n'ont pas) de libellés spécifiques prédits, soit lors de l'entraînement du modèle, soit lors de l'exploration et de l'interprétation de vos données. Pour voir comment ils fonctionnent plus en détail, consultez l'article sur les Filtres de prédiction avancés ici.
Vous pouvez utiliser les boutons en haut de la barre de libellé pour filtrer entre l'affichage de tous les messages, ceux auxquels des libellés ont été attribués, ou ceux avec des prédictions (qui n'ont pas été révisées). Les icônes sont affichées ci-dessous et changent de couleur lorsqu'elles sont sélectionnées :
Sélectionner les messages auxquels des libellés ont été attribués | |
Sélectionner les messages dont les libellés sont prévus |
Pour désélectionner le filtre, cliquez à nouveau sur le bouton.
Si vous ne sélectionnez ni bouton, mais filtrez par libellé, la plate-forme filtrera tous les messages dont le libellé est épinglé ou prévu, en commençant par les messages révisés en premier.
La barre de filtre du libellé et l'option « + Ajouter un filtre de libellé » vous permettent d'ajouter des combinaisons complexes ou des filtres d'inclusion et d'exclusion (c'est-à-dire affichez-moi les messages avec X et Y prédits, mais pas Z). Pour en savoir plus sur leur utilisation, consultez l'article « Filters de prédiction avancés » ici.
Indicateur d'entraînement de numérotation rouge :
- L'indicateur d'entraînement du disque rouge (voir ici pour l'explication) à côté de certains libellés met en évidence ceux qui nécessitent plus d'exemples d'entraînement pour que la plateforme évalue avec précision les performances du libellé
- L'intégralité du cercle indique combien d'exemples supplémentaires seront nécessaires. Plus la section rouge est large, plus le nombre d'exemples requis est important
- Une fois que vous avez 25 exemples annotés, le cercle rouge disparaîtra (selon la complexité de l'étiquette, cependant, vous aurez peut-être besoin de plus d'exemples pour obtenir des prédictions précises)
- Vous devez examiner les messages pour trouver d'autres exemples d'entraînement.
Pour les jeux de données contenant des e-mails, ceux-ci sont affichés en indiquant l'e-mail qui correspond à l'ordre de tri sélectionné (par ex. Apprentissage du libellé, libellé manquant, etc.), mais avec un accès facile aux autres e-mails qui se trouvent dans le même fil de discussion.
Dans l'exemple ci-dessous, vous pouvez voir que l'e-mail trié se trouve dans un fil de trois e-mails, et il s'agit du troisième e-mail du fil de discussion.
En cliquant sur l'icône de flèche bidirectionnelle sous l'objet, vous pouvez développer le fil de l'e-mail pour afficher des vues partielles des autres e-mails du fil de discussion, comme indiqué ci-dessous :
Si vous cliquez à nouveau sur l'un des e-mails partiellement développés, il sera entièrement développé comme l'e-mail trié d'origine, comme indiqué ci-dessous :