Création de la structure de taxonomie

L'un des facteurs les plus fondamentaux qui détermineront les performances de votre modèle, ainsi que la manière dont il répond aux objectifs commerciaux, est la structure de votre taxonomie, y compris ce qui est capturé par chacun des libellés qu'elle contient.

Il est donc important de réfléchir à votre structure de taxonomie cible avant l'entraînement du modèle. Cela dit, vous devriez disposer d’un certain degré de flexibilité pour l’adapter, l’étendre et l’améliorer au fur et à mesure que vous progressez dans l’entraînement. C’est ce que nous appelons l’approche d’entraînement centrée sur les données.

Au final, les libellés de la taxonomie ainsi que les exemples d'entraînement fournis pour chaque libellé devraient créer une représentation précise et équilibrée de l'ensemble de données dans son ensemble. Mais chaque libellé doit également être utile, en représentant clairement d'une certaine manière les messages pour lesquels il est prédit.

Si les libellés sont utilisés pour capturer des concepts très généraux, vastes ou confus, non seulement ils sont plus susceptibles de fonctionner mal, mais ils sont moins susceptibles de fournir une valeur commerciale. Cela peut être pour fournir des informations utiles sur ce concept ou pour aider un processus à être entièrement ou partiellement automatisé en aval.

Exemple de structure de taxonomie

Il s'agit d'un exemple de taxonomie de haut niveau avec des libellés typiques applicables à divers cas d'utilisation ou à divers secteurs. Chacun d’entre eux ne s’appliquera pas à votre modèle.

Exemple de cas d’utilisation réel

Une entreprise reçoit des millions d'e-mails chaque année dans différentes boîtes de réception de la part de clients concernant une multitude de problèmes, de requêtes, de suggestions, de réclamations, etc.

Cette entreprise décide d’augmenter son efficacité opérationnelle, la standardisation des processus et la visibilité de ce qui se passe dans son entreprise en transformant automatiquement ces e-mails des clients en tickets de workflow. Celles-ci peuvent ensuite être suivies et traitées, à l'aide de processus spécifiés et dans des délais définis.

Pour ce faire, il décide d'utiliser la plate-forme pour interpréter ces communications entrantes non structurées et fournir une classification concernant le processus et le sous-processus auxquels l'e-mail se rapporte. Cette classification est utilisée pour mettre à jour le ticket de workflow qui sera automatiquement créé à l'aide d'un service d'automatisation et garantir qu'il est acheminé vers l'équipe ou l'individu approprié.

Pour s'assurer que ce cas d'utilisation est aussi réussi que possible et pour minimiser le nombre d'exceptions (classifications incorrectes ou e-mails que la plate-forme n'est pas en mesure de classer en toute confiance), chaque e-mail entrant doit recevoir une prédiction fiable avec un libellé parent et un libellé enfant, c'est-à-dire [Processus X] > [Sous-Processus Y].

Structurer la taxonomie

Étant donné que l'objectif est de classer chaque e-mail entrant avec un [Processus] et [Sous-processus], chaque libellé de la taxonomie doit être conforme à ce format :

Que les libellés doivent capturer

Dans ce cas d'utilisation, tout e-mail qui n'a pas une prédiction fiable pour un libellé parent et enfant peut être une exception, envoyée pour une révision manuelle et la création de tickets. Alternativement, s’il a une prédiction de libellé parent de confiance élevée, mais pas une prédiction de libellé enfant fiable, cela peut toujours être utilisé pour acheminer partiellement l’e-mail ou créer un ticket, avec un travail manuel supplémentaire pour ajouter le sous-processus pertinent.

Si nous imaginons que le premier est vrai et que chaque e-mail sans prédiction de confiance élevée sous la forme de [Processus] (Process) > [Sous-Processus] ([Process] > [Sub-Process]) devient une exception manuelle, nous voulons nous assurer que tous les exemples que nous fournissons pour chaque libellé lors de l'entraînement du modèle reflète ce format.

Chaque libellé parent dans la taxonomie doit être lié à un processus général pertinent pour le contenu des e-mails, par exemple, Facturation. Chaque libellé enfant doit alors être un sous-processus plus spécifique qui se trouve sous un libellé parent, par exemple, Facturation > Demande de statut.

Remarque : chaque libellé doit être spécifique dans ce qu'il essaie de capturer.

Des libellés très larges tels que Requête générale ou Tout le reste peuvent être très utiles s'ils sont utilisés pour regrouper de nombreux sujets distincts, et il n'y a pas de modèle clair ou de similitude entre les exemples épinglés.

Dans ce cas d'utilisation, ils ne fournissaient pas non plus beaucoup de valeur commerciale lorsqu'un ticket de workflow était créé et classé comme Requête générale ou Tout autre. Certains devront encore le lire attentivement pour comprendre de quoi il s’agit et si cela était pertinent pour leur équipe avant de pouvoir l’agir.

Cela annulait tout avantage de gain de temps et ne fournissait pas d'IA utile à l'entreprise sur le travail réellement effectué par les équipes.

Remarque : il ne s'agit que d'un exemple de la façon dont vous pouvez structurer une taxonomie pour un cas d'utilisation spécifique, et ce n'est pas une approche à taille unique. Chaque projet nécessitera une taxonomie unique de libellés, qui dépend fortement de votre cas d'utilisation spécifique, de votre ensemble de données et de vos objectifs.