- 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
- Create or delete a data source in the GUI
- Téléchargement d’un fichier CSV dans une source
- Préparation des données en vue du téléchargement du fichier .CSV
- 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
- 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
- Comprendre les exigences de données
- 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
Guide de l'utilisateur de Communications Mining
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 .