- 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
Vue d'ensemble (Overview)
L’extraction générative (GenEx) est une nouvelle fonctionnalité innovantes pour UiPath® Communications Mining qui exploite l’IA générative pour comprendre les relations complexes entre plusieurs requêtes et les points de données requis pour les traiter.
Un e-mail peut contenir plusieurs requêtes, chacune nécessitant plusieurs champs extraits pour permettre l'automatisation. L'automatisation de ce processus de bout en bout nécessite plus que la simple extraction correcte du champ lui-même, mais aussi une compréhension de la façon dont chacun de ces éléments est lié les uns aux autres. GenEx fait progresser considérablement l'étendue des possibilités de l'automatisation basée sur les communications.
L'extraction générative s'appuie sur les toutes dernières fonctionnalités NLP et fournit également les gardes- corps nécessaires requis par les entreprises pour mettre en œuvre des automatisations complexes basées sur la communication pour les processus métier.
Des processus et des communications plus complexes contenant plusieurs requêtes différentes peuvent désormais également être des principaux candidats à l’automatisation.
Pour certains cas d'utilisation, les extractions peuvent être générées sans entraînement, et peuvent être davantage affinées avec peu de données d'entraînement.
Les étapes suivantes décrivent le processus de bout en bout de validation des extractions. Chaque étape est expliquée en plus de détails dans les sections suivantes.
- Définissez votre schéma d'extraction.
- Identifiez les processus (c'est-à-dire les libellés) que vous cherchez à automatiser, ainsi que les points de données (c'est-à-dire les champs) qui doivent être capturés pour activer l'automatisation.
- Créez le schéma d'extraction correspondant .
- Générer des extractions. La génération d'extractions vous permet d' accélérer considérablement le processus de recherche et de mise en relation des données. Pour certains cas d'utilisation, la plate-forme n'a pas besoin d'exemples d'entraînement pour générer ses extractions.
- Utilisez les capacités génératives de la plate-forme pour créer vos extractions initiales.
- Valide et corrige les extractions.
- Examinez les extractions de la plate-forme et acceptez-les si elles sont correctes ou corrigez-les si elles ne le sont pas.
- La plate-forme est flexible et simple, et vous pouvez ajouter de nouveaux schémas d'extraction à tout moment au cours du processus de formation.
- Examinez la validation pour les extractions.
- Vérifiez les performances de vos extractions (via Validation).
- Déterminez si vos extractions se trouvent à un niveau de performances adapté à votre cas d'utilisation.
Le diagramme suivant illustre le fonctionnement de l'Extraction générative. Vous pouvez vérifier de bout en bout la relation entre les libellés, les extractions et les champs correspondants requis pour automatiser un processus.
- Lors de la configuration de votre schéma d'extraction, vous devez déterminer les processus (c'est-à-dire libellés) que vous souhaitez automatiser.
- Pour que la plate-forme comprenne la relation entre le processus et quels points de données doivent être extraits, la plate-forme vous invite à fournir les points de données appropriés. La section Configuration des champs (Configuring Fields) vous donne plus de détails sur les meilleures pratiques et la façon dont cela fonctionne spécifiquement.
Dans l'exemple ci-dessous, le demandeur pose une question à propos de deux sujets différents dans le même message, chaque demande appelant des points de données différents pour l'extraction et l'action.
- Si vous avez déjà travaillé avec des entités dans Communications Mining, à partir de la version 2024.4, toutes vos entités existantes passent automatiquement aux champs généraux.
- Tous les paramètres existants sur vos entités sont migrés vers les paramètres respectifs du champ général correspondant.
- Si vous avez des champs généraux que vous souhaitez basculer vers les champs d'extraction, vous devez recréer ces champs en tant que champs d'extraction et appliquer le nombre approprié d'exemples d'entraînement (le cas échéant).
- Les types de champs ont les mêmes noms et configurations que les anciennes entités précédemment configurées. Ceux-ci sont mappés à l'aide du nom de l'api.
- Si vous avez des automatisations existantes qui utilisent des entités précédentes, ces automatisations ne seront pas affectées.
- L'automatisation des processus à l'aide de l'Extraction générative est légèrement différente de la façon dont les processus étaient précédemment automatisés à l'aide d' entités. Consultez la section Automatisation avec GenEx de ce guide pour plus de détails.