communications-mining
latest
false
Important :
Ce contenu a été traduit à l'aide d'une traduction automatique.
Guide de l'utilisateur de Communications Mining
Last updated 7 nov. 2024

Sélection des seuils de confiance des libellés

Introduction

La plate-forme est généralement utilisée dans l'une des premières étapes d'un processus automatisé : l'ingestion, l'interprétation et la structuration d'une communication entrante, telle qu'un e-mail de client, un peu comme le ferait un humain lorsque cet e-mail est arrivé dans sa boîte de réception.

Lorsque la plate-forme prévoit quels libellés (ou balises) s'appliquent à une communication, elle attribue à chaque prédiction un score de confiance (%) pour indiquer la confiance avec laquelle le libellé s'applique.

Si ces prédictions doivent être utilisées pour classer automatiquement la communication, cependant, il doit y avoir une décision binaire - c'est-à-dire, est-ce que ce libellé s'applique ou non ? C'est là qu'interviennent les seuils de confiance .

Un seuil de confiance correspond au score de confiance (%) égal ou supérieur à lequel un bot RPA ou un autre service d'automatisation prendra la prédiction de la plate-forme comme binaire 'Oui, ce libellé s'applique' et au-dessous duquel il prendra la prédiction comme binaire « Non, ce libellé ne s’applique pas ».

Il est donc très important de comprendre les seuils de confiance et de savoir comment sélectionner celui qui convient, afin d'atteindre le bon équilibre entre précision et rappel pour ce libellé.

Sélection d'un seuil pour un libellé

  • Pour sélectionner un seuil pour un libellé, accédez à la page Validation et sélectionnez le libellé dans la barre de filtre des libellés
  • Ensuite, faites simplement glisser le curseur de seuil ou saisissez un chiffre en % dans la zone (comme indiqué ci-dessous), pour voir les différentes statistiques de précision et de rappel qui seraient obtenues pour ce seuil
  • Le graphique précision vs rappel vous donne une indication visuelle des seuils de confiance qui maximiseraient la précision ou le rappel, ou fourniraient un équilibre entre les deux :
    • Dans la première image ci-dessous, le seuil de confiance sélectionné (68,7 %) maximiserait la précision (100 %) - c'est-à-dire que la plate-forme ne devrait généralement se tromper sur aucune prédiction à ce seuil - mais aurait donc une valeur de rappel inférieure (85 %)
    • Dans la deuxième image, le seuil de confiance sélectionné (39,8 %) offre un bon équilibre entre la précision et le rappel (tous deux)
    • Dans la troisième image, le seuil de confiance sélectionné (17 %) maximiserait le rappel (100 %) - c'est-à-dire que la plateforme devrait identifier chaque instance où cette étiquette doit s'appliquer - mais aurait en conséquence une valeur de précision inférieure (84 %)
Validation des libellés avec seuil de confiance défini à 68,7 %

Validation du libellé avec seuil de confiance défini à 39,8 %

Validation du libellé avec seuil de confiance défini à 17 %

Choisir le bon seuil

Alors, comment choisissez-vous le seuil qui vous convient ? La réponse simple est : cela dépend.

En fonction de votre cas d'utilisation et de l'étiquette spécifique en question, vous souhaiterez peut-être maximiser la précision ou le rappel, ou trouver le seuil qui donne le meilleur équilibre entre les deux.

Lorsque vous définissez le seuil requis, il est utile de penser aux résultats potentiels : quel(s) est le coût potentiel ou les conséquences sur votre entreprise si une étiquette est incorrectement appliquée ? Et si c'était oublié ?

Pour chaque libellé, votre seuil doit être choisi en fonction du meilleur résultat pour l'entreprise en cas de problème - c'est-à-dire que quelque chose est mal classé ( faux positif), ou que quelque chose manque ( faux négatif).

Par exemple, si vous souhaitiez classer automatiquement les communications entrantes dans différentes catégories, mais que vous aviez également un libellé « Urgent » qui acheminait les demandes vers une file d'attente de travail à priorité élevée, vous pouvez maximiser le rappel de ce libellé pour vous assurer qu'aucun message urgent des requêtes sont manquées, et acceptent par conséquent une précision inférieure. En effet, cela peut ne pas être très préutile pour l'entreprise d'avoir des requêtes moins urgentes placées dans la file d'attente prioritaire, mais cela peut être très préutile pour l'entreprise de manquer une requête urgente sensible au temps.

Autre exemple, si vous automatisiez un type de requête de bout en bout qui était une forme de transaction monétaire ou de haute valeur, vous choisiriez probablement un seuil qui maximiser la précision, afin d'automatiser uniquement de bout en bout mettre fin aux transactions sur lesquelles la plate-forme était la plus fiable. Les prédictions avec des confiances inférieures au seuil étaient alors examinées manuellement. En effet, le coût d'une prédiction erronée (faux positif) est potentiellement très élevé si une transaction est ensuite traitée de manière incorrecte.

  • Introduction
  • Sélection d'un seuil pour un libellé
  • Choisir le bon seuil

Cette page vous a-t-elle été utile ?

Obtenez l'aide dont vous avez besoin
Formation RPA - Cours d'automatisation
Forum de la communauté UiPath
Uipath Logo White
Confiance et sécurité
© 2005-2024 UiPath Tous droits réservés.