- 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
- Épingler et baliser une version de modèle
- Suppression d'un modèle épinglé
- Ajout de nouveaux libellés aux taxonomies existantes
- Maintenir un modèle en production
- Restauration du 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
Épingler et baliser une version de modèle
Autorisations utilisateur requises : « Afficher les sources » ET « Afficher les libellés ».
Chaque fois que vous entraînez la plate-forme sur vos données (c'est-à-dire en annotant les messages), une nouvelle version du modèle associé à votre jeu de données est créée. Comme ces modèles sont volumineux et complexes, les versions précédentes ne sont pas automatiquement stockées dans nos bases de données, car les besoins de stockage seraient extrêmement importants.
La dernière version du modèle sera toujours facilement disponible, mais les utilisateurs peuvent « épingler » une version de modèle spécifique qu'ils souhaitent enregistrer. Ils peuvent également choisir de « marquer » les modèles épinglés avec une balise « Live » ou « Staging ».
Il existe plusieurs raisons pour épingler une version de modèle :
- L'épinglage d'un modèle vous donne un déterminisme par rapport aux prédictions, en particulier lorsque vous utilisez des flux. Cela signifie que vous pouvez être sûr des scores de précision et de rappel pour cette version du modèle, et que les événements d'entraînement futurs ne les modifieront pas (pour le meilleur ou pour le mauvais)
- Dans la page Validation , les utilisateurs peuvent voir les scores de validation des précédentes versions de modèles épinglés, ce qui vous permet de comparer les scores au fil du temps et de voir comment votre entraînement a amélioré votre modèle
Pour épingler une version de modèle :
- Accédez à la page des modèles via la barre de navigation supérieure
- Utilisez le bouton bascule « épingler » pour enregistrer la version actuelle du modèle
Pour mettre à jour la balise d'une version de modèle :
- Cliquez sur la flèche à côté des « Balises » sur n’importe quel modèle épinglé
- Sélectionnez « Live » ou « Staging », en fonction du statut du modèle épinglé dans tous les déploiements en aval