communications-mining
latest
false
- 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
Entraînement à l'aide de la recherche (Explorer)
Important :
Ce contenu a été traduit à l'aide d'une traduction automatique.
Guide de l'utilisateur de Communications Mining
Dernière mise à jour 20 déc. 2024
Entraînement à l'aide de la recherche (Explorer)
Autorisation utilisateur requise : Afficher les sources ET Réviser et annoter.
Même si l'entraînement à l'aide de
Search
n'est pas l'une des étapes principales décrites dans la phase Explorer (Explore) de l'entraînement, il peut toujours être un outil d'entraînement utile à n'importe quel stade du processus d'entraînement.
La page Entraîner à l'aide de la recherche (Discover) décrit comment utiliser l'action
search
avec précaution. Évitez de trop l'utiliser, car il peut fausser votre modèle.
Recherchez des termes ou des phrases dans Explorer ( Explore ) de la même manière que dans Découvrir(Discover).
Différences clés entre l'utilisation de Search
dans Parcourir (Explore) et Découvrir (Discover) :
- Dans Parcourir ( Explore ), vous devez examiner et annoter les résultats de recherche individuellement, plutôt que de façon groupée, comme Découvrir(Discover).
- L' exploration fournit une estimation utile du nombre de messages qui correspondent aux termes de votre recherche. Consultez l'exemple suivant pour la recherche « annulation ».
Recherchez des termes ou expressions pertinents et vérifiez le nombre de correspondances approximatives dans l'ensemble de données. Utilisez cette fonction pour estimer si vous avez suffisamment d'exemples pour une étiquette spécifique.
Saisissez vos termes de recherche dans le champ de recherche, en haut à droite de la page :
Exemple de requête de recherche dans Parcourir
Pour utiliser
Search
dans l'onglet Entraîner (Train), comme une autre étape à partir de la phase Explorer (Explore) de l'entraînement :
- Cliquez sur la recommandation de recherche générique dans Entraîner :
- Sélectionnez le libellé dans la liste de recherche :
- Examinez les suggestions de recherche de libellés fournies par LLM.
- Ajoutez le terme de recherche et prévisualisez les résultats (y compris le nombre de correspondances approximatives) :
Remarque : le lot a six résultats par page, avec une expérience d'annotation typique de type Découvrir (en masse + individuelle).
- Après avoir annoté des messages sur la page, cliquez sur Terminé ( Done).
- un résumé des actions et options d'entraînement vers
close
ou search for examples for a different label
, si le libellé ne répond plus aux critères de recherche.