- 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
- 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
- Supprimer une source
- Exporter un jeu de données
- Utilisation des intégrations Exchange
- Préparation des données en vue du téléchargement du fichier .CSV
- 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
- 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
Valider et annoter les extractions générées
Donnez suffisamment d'exemples pour que le modèle puisse vous fournir des statistiques de validation. Les statistiques de validation vous aident à comprendre les performances de vos extractions. De plus, il vous permet d' affiner vos extractions.
Examinez les résultats et
- Acceptez la ou les extractions si elles sont toutes correctes.
- Corrigez les extractions s'il y a des prédictions incorrectes.
- Marquez les extractions comme manquantes si elles ne sont pas présentes dans le message.
- Le cas échéant, configurez tous les champs supplémentaires requis pour activer l'automatisation de bout en bout.
Pourquoi le peaufinage est-il important ?
Le réglage fin vous permet d'utiliser les annotations rassemblées pour améliorer les performances du modèle d'extraction.
Elle vous permet de prendre le modèle prêt à l'emploi et d'améliorer les performances de vos cas d'utilisation.
Quand pouvez-vous vous arrêter ?
Arrêtez une fois que vous avez fourni au moins 25 exemples d'extractions de libellés que le modèle utilisera dans son processus de validation. Vérifiez la validation et voyez si les performances sont suffisantes ou si d'autres exemples sont nécessaires.
# | Description |
1 | Si toutes les prédictions de champ sont correctes, la sélection du bouton Confirmer (Confirm) vous permet de confirmer que les annotations sont correctes, en bloc. |
2 | Pour ajouter ou modifier des champs qui auraient dû être présents dans le message, sélectionnez + à côté du champ général ou du champ d’extraction. |
3 | Cocher cette case permet de confirmer que l'annotation d'un champ est correcte au niveau de l'extraction. |
4 | Cela montre quel point de données a été prédit pour un champ donné.
Si la prédiction est incorrecte, la sélection du bouton x vous permet d'ajuster le champ avec la valeur correcte. |
5 | Cela indique la position dans le message où un ou plusieurs points de données sont prédits.
|
6 | Pour ajouter ou modifier des champs, pointez à côté du bouton + , sur la section du champ général ou du champ d'extraction correspondante. |
7 | Pour développer les champs affichés pour les champs généraux ou des champs d'extraction spécifiques, sélectionnez le bouton déroulant . |
L'image ci-dessous montre à quoi ressemble une extraction dans son état non confirmé . Dans le volet de droite, l'extraction est marquée comme non confirmée et la mise en surbrillance du texte lui-même est plus claire.
L'image ci-dessous montre à quoi ressemblent les champs dans leur état confirmé . Dans le volet droit, l'extraction est marquée comme Confirmée(Confirmed) et la mise en surbrillance du texte lui-même est plus foncée.
L'onglet Entraînement des extractions (Extractions Train) est en aperçu public.
Pour valider vos extractions via l' onglet Entraîner(Train), procédez comme suit :
- Accédez à Entraîner (Train).
- Accédez à Extraction.
- Sélectionnez l'extraction de libellé que vous souhaitez valider.
- Une fois que vous avez sélectionné l'extraction d'étiquette que vous souhaitez valider, confirmez si le message affiché est un exemple applicable de l'étiquette.
- Une fois que vous avez appliqué tous les libellés applicables, sélectionnez Suivant : Annoter les champs (Next: Annotate Fields).
- La validation des extractions dans l'expérience de l'onglet Entraîner ( Train) est similaire à la validation des extractions dans Parcourir ( Explore).
La principale différence est que vous pouvez voir les messages dans les lots d'entraînement.
- Le bouton Confirmer tout et Suivant (Confirm all and next) vous redirige vers le message suivant pour annoter automatiquement.