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

Entraînement à l'aide du libellé En savoir plus (Affiner)

Autorisations utilisateur requises : « Afficher les sources » ET « Réviser et annoter »

Remarque : « Appeler le libellé » (Teach label) est maintenant un mode d’entraînement uniquement pour annoter les messages non examinés et, de ce fait, le filtre Révisé (Reviewed) est désactivé dans ce mode. « Appendre le libellé » pour les messages révisés a été divisé en modes d’entraînement « Vérifier le libellé » et « Libellé manquant ».

Pour plus de détails, consultez les pages Vérifier le libellé (Check label) et Libellé manquant (Missed label ).

Si vous avez un libellé qui a du mal à prédire avec précision et que vous êtes satisfait de la cohérence des exemples déjà épinglés (comme mentionné dans l'article précédent), il est probable que vous deviez fournir au modèle des exemples plus diversifiés (et cohérent) des exemples de formation.

La plate-forme suggérera généralement ce mode comme action recommandée pour les libellés qui en bénéficieraient le plus sous les facteurs de notation du modèle, ainsi que dans les actions recommandées pour les libellés spécifiques que vous pouvez sélectionner dans Validation.

La meilleure méthode pour entraîner la plate-forme sur les instances où elle a du mal à prédire si une étiquette s'applique ou non, utilise «Ensemble » pour les messages non examinés.

Comme ce mode vous montre des prédictions pour un libellé avec des scores de confiance allant de 50 % (ou 66 % dans le cas d'un ensemble de données basé sur les sentiments), accepter ou corriger ces prédictions envoie des messages d'entraînement beaucoup plus puissants au modèle que si vous étiez pour accepter des prédictions avec des scores de confiance de 90% ou plus. De cette façon, vous pouvez rapidement améliorer les performances d'un libellé en fournissant divers exemples d'entraînement dont la plateforme n'était auparavant pas sécurisée.

Le processus réel d'annotation dans ce mode est expliqué dans la phase Explorer (Explore).

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.