- 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)
- Entraînement à l'aide de « clusters »
- Entraînement à l'aide de « Search » (Discover)
- 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
Entraînement à l'aide de « Search » (Discover)
Autorisations utilisateur requises : « Afficher les sources » ET « Révision et libellé ».
La fonctionnalité « Rechercher » dans Découvrir est utilisée pour rechercher des termes et des phrases clés. Vous pouvez rechercher des termes de recherche exacts, et s'ils existent, ils vous afficheront ceux-ci suivis de correspondances partielles. Cette fonction permet de rechercher des termes et des manières alternatifs d'exprimer la même intention ou le même concept pour chaque libellé. Cela peut être utile si vous connaissez un terme ou une expression commune et pertinente qui n'est pas encore apparu dans les clusters et que vous souhaitez épingler quelques exemples.
La recherche ne doit pas être utilisée pour appliquer un grand nombre d'exemples par terme de recherche et par libellé ; seulement quelques-uns de chaque.
Prenons un exemple. Le cluster ci-dessous concerne clairement l'emplacement de l' motel, où une étiquette ' Location' a été prédite. Si nous n'utilisions que ce terme, cela pourrait fausser le modèle en faveur des phrases autour du mot «Location» ou similaire, et nous devons utiliser la fonctionnalité Rechercher (Search) pour trouver d'autres manières de l'exprimer :
Termes de recherche alternatifs possibles pour l' ' Emplacement ':
- Localisé
- Commode
- Position
- Proximité
- Proche
- Position de l’hôtel
- Emplacement à déplacer
- Liens de transport
- Attractions historiques
- À proximité du transport
- Centre
- Proche de l'aéroport
- À proximité de l'aéroport
Recherche de termes différents
L'exemple ci-dessous montre comment la recherche de termes alternatifs pour « Emplacement » (Location) met en surbrillance les messages liés à l'emplacement de l'hôte, mais exprimés différemment. Ce faisant, le modèle se verra attribuer différents exemples de « Emplacement ».
Application de libellés aux résultats de recherche
- Sélectionnez «Rechercher» dans le menu déroulant « Cluster » de l’onglet Découvrir
- Saisissez les termes de votre recherche et appuyez sur Entrée ou cliquez sur l'icône de recherche
- Les termes de recherche correspondants seront surlignés en orange. La plate-forme affichera des correspondances complètes suivies de correspondances partielles
- Ajoutez tous les libellés qui doivent s'appliquer, pas seulement vos résultats de recherche (par ex. Propriété (Property) > libellé du personnel dans le cluster ci-dessus)
- Ne PAS faire cela pour les grands nombres de messages pour chaque libellé
Vous pouvez utiliser ce processus avec précaution pour chaque libellé qui a des manières variables d'exprimer le même sujet. Cependant, il existe d'autres méthodes couvertes dans la phase Explorer (Explore) qui aident également à fournir des exemples d'entraînement différents, mais n'ont pas le potentiel de biaiser votre modèle.