- Démarrage
- Équilibre
- Clusters
- Dérive de concept
- Couverture
- Jeux de données
- Entités (Entities)
- 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
- Exporter un jeu de données
- Utilisation des intégrations Exchange
- Préparation des données en vue du téléchargement .CSV
- Entraînement et maintenance du modèle
- Comprendre les libellés, les entités 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
- Meilleures pratiques d'entraînement et de labellisation des modèles
- Entraînement avec l'analyse des sentiments des libellés activée
- Entraîner
- Vue d'ensemble (Overview)
- Examen des prédictions de libellé
- Entraînement à l'aide de « Mélanger »
- Entraînement à l'aide d'« Ensemble des libellés » (Explore)
- Entraînement à l'aide de l'option 'Faible confiance'
- Entraînement à l'aide de la recherche (Explorer)
- Réduction et réorganisation de votre taxonomie
- Introduction à 'Raffiner'
- 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 de « Vérifier le libellé » et « Libellé manquant »
- 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 de « Rééquilibrer »
- Quand arrêter l'entraînement de votre modèle
- Définition et configuration de vos entités
- Comprendre les entités
- Quelles sont les entités pré-entraînées disponibles ?
- Activation, désactivation, mise à jour et création d'entités
- Filtrage des entités
- Examiner et appliquer des entités
- Validation pour les entités
- Amélioration des performances de l'entité
- Création d'entités Regex personnalisées
- Utilisation des analyses de surveillance &
- Automatisations et Communications Mining
- FAQ et plus
Présentation du processus d'entraînement du modèle
L'entraînement d'un modèle peut être décomposé en trois phases :
Dans le premier cas, il est recommandé de suivre ces étapes dans l'ordre, mais cela peut être un processus itératif. Vous trouverez peut-être avec le temps que pour différents libellés, vous pouvez hacher et modifier les différentes étapes à mesure que vous vous familiarisez avec la plate-forme.
Découvrir
Découvrez où les intentions, les modèles et les thèmes de conversation similaires sont regroupés en « clusters ». C'est le point de départ et est utilisé pour créer rapidement un modèle initial dans lequel vous analysez vos données et balisez chaque cluster avec une ou plusieurs étiquette(s) qui s'applique(nt).
Explorer
Après avoir examiné les clusters dans Découvrir, Explorer est utilisé pour entraîner davantage votre modèle. La plupart de votre temps sera passé ici à examiner les messages, à ajouter des libellés et à améliorer la compréhension de vos données par le modèle.
Affiner
Cette étape permet d’évaluer et d’améliorer les performances globales de votre modèle. À cette étape, la plate-forme fournit des commentaires guidés sur la santé de votre modèle via la notation du modèle, y compris les problèmes de performances et les prochaines meilleures actions pour les résoudre.
Les phases Découvrir, Explorer et Raffiner peuvent maintenant être complétées à l’aide de l’ onglet Entraîner. Pour plus d'informations, consultez la page Entraîner ( Train) .
Réduire/réorganiser
Il s'agit d'une partie du processus d'entraînement du modèle que vous pouvez effectuer à tout moment : changer de nom, fusionner ou supprimer des libellés au fur et à mesure du processus. Le processus est expliqué en détail sur la page Explorer .