- 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)
- Statut du 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
Sources et jeux de données multilingues
Communications Mining™ prend en charge les sources et les ensembles de données multilingues. Cela signifie que les modèles peuvent comprendre des sources contenant plusieurs langues différentes prises en charge, sans avoir à les traduire.
Les langues actuellement en disponibilité générale dans les sources et les ensembles de données multilingues sont l'anglais, le français, l'allemand, l'espagnol, l'italien, le portugais, le portugais et le japonais.
Si les utilisateurs travaillent et font des affaires dans plusieurs langues prises en charge par la plateforme, ils peuvent s'entraîner sur des messages dans ces langues, plutôt que de tout traduire en une seule langue.
Considérations importantes si vous cherchez à utiliser des sources et des ensembles de données multilingues :
- Si un ensemble de données est multilingue, les utilisateurs ne pourront pas voir les traductions d'un message (comme prévu pour les ensembles de données traduits). Ils devront donc être en mesure de comprendre toutes les langues de l'ensemble de données pour entraîner efficacement leur modèle.
- Comprendre plusieurs langues est un problème d'apprentissage automatique plus complexe que comprendre une seule langue, de sorte que ces ensembles de données peuvent potentiellement subir une légère baisse des performances par rapport aux ensembles de données dans une seule langue.
- La plate-forme prend en charge les langues suivantes : anglais, français, allemand, espagnol, italien, portugais, néerlandais et japonais. Si l'ensemble de données contient d'autres langues, l'application des libellés utilisés pour les langues prises en charge peut prêter à confusion. Au lieu de cela, annotez ces instances avec des libellés spécifiques à une langue. Notez que la plate-forme ne traitera pas ni ne comprendra le contenu des langues non prises en charge.
Comment créez-vous des sources et des ensembles de données multilingues ?
Pour la source de données et les ensembles de données, la famille de langues est sélectionnée lors de leur création et ne peut pas être modifiée une fois qu'ils sont créés.
Il suffit de sélectionner multilingue dans la liste déroulante de la famille de langues du modal créer une source ou créer un ensemble de données (il s'agit généralement du dernier paramètre à sélectionner).
Pour plus de détails sur la création d'une source dans l'interface utilisateur, consultez la page Créer une source de données dans l'interface graphique .
Pour plus de détails sur la création d'un ensemble de données, consultez la page Créer un nouvel ensemble de données (Create a new dataset ).
- Anglais
- Néerlandais
- Français
- Allemand
- Italien
- Japonais
- Portugais
- Espagnol
Inscrivez-vous sur le portail des initiés pour fournir des commentaires ou signaler des problèmes.
Nous prenons actuellement en charge un large éventail de langues supplémentaires en mode Aperçu. Cela signifie que notre équipe les affinera en permanence en fonction de votre utilisation. Nombre de ces langues sont censées fonctionner très bien et ne nécessitent qu’un ajustement minimal, voire aucun, pour obtenir des performances optimales.
- Afrikaans
- Albanais
- amharique
- Arabe
- arménien
- Assamais
- Azerbaïdjanais
- Basque
- Biélorusse
- bengali
- bengali (romanisé)
- Bosniaque
- breton
- Bulgare
- Birman
- Birman
- Catalan
- Chinois (simplifié)
- Chinois (traditionnel)
- croate
- Tchèque
- Danois
- Espéranto
- estonien
- Philippin
- Finnois
- galicien
- géorgien
- Grec
- gujarati
- haoussa
- Hébreu
- Hindi
- Hindi (Automatisé)
- Hongrois
- Islandais
- Indonésien
- Irlandais
- javanais
- kannada
- Kazakh
- khmer
- Coréen
- kurmanji (Kurmanji)
- kirghize
- Lao
- latin
- letton
- lituanien
- macédonien
- Malgache
- malais
- Malayalam
- marathi
- mongol
- népalais
- Norvégien
- Oria
- Orchestrator
- Pashto
- persan
- Polonais
- pendjabi
- Roumain
- Russe
- sanscrit
- gaélique cohérente
- Serbe
- sindhi
- Cingalalen
- slovaque
- slovène
- Somalien
- sundanais
- Swahili
- Suédois
- Suisse allemand
- tamil
- tamil (romanisé)
- telugu
- telugu (romanisé)
- Thaï
- Turque
- Ukrainien
- Ourdou
- Urdu (Automation Suite)
- Uygour
- ouzbek
- Vietnamien
- gallois
- frison occidental
- Xhosa
- yiddish