- Introduction
- Configuration de votre compte
- Équilibre
- Clusters
- Dérive de concept
- Couverture
- Jeux de données
- Champs généraux
- Libellés (prédictions, niveaux de confiance, hiérarchie des libellés et sentiment des libellés)
- Modèles
- Flux
- Évaluation du modèle
- Projets
- Précision
- Rappel
- Messages annotés et non annotés
- Extraction des champs
- Sources
- Taxonomies
- Apprentissage
- Prédictions positives et négatives vraies et fausses
- Validation
- Messages
- Contrôle et administration de l'accès
- Gérer les sources et les jeux de données
- Comprendre la structure des données et les autorisations
- Créer ou supprimer une source de données dans l'interface graphique
- Téléchargement d’un fichier CSV dans une source
- Préparation des données en vue du téléchargement du fichier .CSV
- Création d'un ensemble de données
- Sources et jeux de données multilingues
- Activation des sentiments sur un ensemble de données
- Modification des paramètres du jeu de données
- Supprimer un message
- Supprimer un jeu de données
- Exporter un ensemble de données
- Utilisation d'intégrations Exchange
- Entraînement et maintenance du modèle
- Comprendre les libellés, les champs généraux et les métadonnées
- Hiérarchie de libellés et meilleures pratiques
- Comparer les cas d’utilisation des analyses et des automatisations
- Transformer vos objectifs en libellés
- Présentation du processus d'entraînement du modèle
- Annotation générative
- 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)
- Affiner et réorganiser votre taxonomie
- Introduction à affiner
- Précision et rappel expliqués
- Précision et rappel
- Comment fonctionne la validation
- Comprendre et améliorer les performances du modèle
- Raisons de la faible précision moyenne des libellés
- 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
- Vue d'ensemble (Overview)
- Configurer des champs
- Filtrage par type de champ d’extraction
- Génération de vos extractions
- Validation et annotation des extractions générées
- Meilleures pratiques et considérations
- Comprendre la validation des extractions et des performances d'extraction
- Questions fréquemment posées (FAQ)
- Utilisation des analyses et de la surveillance
- Automations et Communications Mining™
- Développeur
- Charger des données
- Téléchargement de données
- Intégration avec l'utilisateur du service Azure
- Intégration avec l'authentification d'application Azure
- Intégration d’Exchange avec l’authentification et le graphique d’application Azure
- Récupérer des données pour Tableau avec Python
- Intégration d'Elasticsearch
- Extraction de champ général
- Intégration avec Exchange auto-hébergée
- Infrastructure d’automatisation UiPath®
- Activités officielles UiPath®
- Comment les machines apprennent à comprendre les mots : guide d'intégration dans NLP
- Apprentissage basé sur des invites avec des Transformers
- Efficient Transformers II : Dilarisation des connaissances et affinement
- Transformateurs efficaces I : mécanismes d'attention
- Modélisation de l'intention hiérarchique profonde non supervisée : obtenir de la valeur sans données d'entraînement
- Correction des biais d’annotation avec Communications Mining™
- Apprentissage actif : de meilleurs modèles d'ML en moins de temps
- Tout est dans les chiffres : évaluer les performances du modèle avec des métriques
- Pourquoi la validation du modèle est importante
- Comparaison de Communications Mining™ et de Google AutoML pour l’information sur des données conversationnelles
- Licences
- FAQ et plus encore

Guide de l’utilisateur de Communications Mining
- À tout moment pendant le processus d'entraînement du modèle, vous pouvez configurer une nouvelle extraction, modifier votre schéma ou ajouter n'importe quel champ supplémentaire à votre schéma existant dans Parcourir ( Explore).
- En configurant vos extractions dans Parcourir, vous pouvez :
- basez vos champs sur les données de vos messages.
- ajoutez de nouveaux champs aux extractions comme vous les voyez.
- À tout moment pendant le processus d'entraînement du modèle, vous pouvez configurer une nouvelle extraction, modifier votre schéma ou ajouter n'importe quel champ supplémentaire à votre schéma existant dans Paramètres(Settings).
- Si vous savez quels champs vous souhaitez extraire en amont, configurez vos extractions de façon groupée dans Paramètres(Settings).
Pour configurer vos extractions, configurez vos champs qui nécessitent un nom et un type de champ. Il est recommandé de le faire au niveau du libellé de niveau enfant le plus bas.
Soyez descriptif et concis. Choisissez des noms de champ qui décrivent avec précision les données qu'ils représentent. Veillez à trouver un équilibre entre harmonie et clarté. Donnez un nom précis et descriptif à votre champ, car cela fournira au modèle le contexte nécessaire concernant le rôle du champ.
Par exemple, pour un changement d'adresse, si vous souhaitez uniquement extraire une nouvelle adresse, il est utile d'avoir des noms de champ configurés appelés : nouvelle adresse de rue, nouvelle ville, nouveau code postal et nouvelle ville.
Évitez les noms de champ ambigus. Assurez-vous que les noms de champ sont sans ambiguïté et ne se trompent pas facilement avec d’autres champs ou concepts de votre projet. Par exemple, au lieu d’utiliser la valeur, utilisez un nom plus spécifique tel que Montant des ventes ou solde du compte.
Vous pouvez avoir des champs d'extraction avec le même type de champ, mais pas pour plusieurs champs généraux. Pour résoudre ce problème pour les champs généraux, créez un autre type de champ avec les mêmes paramètres pour résoudre ce problème.
Un Nom de champ (Field Name) est utilisé pour inviter le modèle. Si vos extractions ne fonctionnent pas comme prévu, ajustez votre Nom de champ (Field Name) pour qu'il soit plus spécifique à votre cas d'utilisation. L'ajustement du nom de champ peut améliorer les performances.
Les noms de champs suivants ne sont que des exemples. La façon dont vous nommez vos champs dépend du cas d’utilisation et dépend du contexte de ce que vous essayez d’extraire.
| Use case | Noms de champs non recommandés | Noms de champ plus performants |
|---|---|---|
| Dans le cadre d'une demande de changement d'adresse, vous souhaitez extraire les détails de la nouvelle adresse à saisir dans votre système en aval. |
|
|
| Dans le cadre d'une demande d'expédition de logistique, vous souhaitez identifier la répartition totale des taxes, à la fois le montant de la TVA et le taux de TVA, sur chacun de vos marchandises à saisir dans SAP. |
|
|
| Dans le cadre d'une demande de modification de facture, vous souhaitez identifier le numéro de la facture et en quoi il doit être remplacé, pour annuler l'ancienne facture et en émettre une nouvelle. |
|
|
Il existe deux différents types de champs qui facilitent l'automatisation de bout en bout :
- Champs généraux
- Extraction des champs.
Il est important de connaître les différents types de champs disponibles dans Communications Mining et savoir quand utiliser chacun d'eux.
| Champs généraux | Champs d'extraction |
|---|---|
Les champs généraux sont des champs que vous pouvez souhaiter extraire, qui peuvent être trouvés dans plusieurs sujets ou libellés différents dans un ensemble de données.
| Les champs d'extraction sont les champs conditionnés et créés sur un libellé spécifique. En d'autres termes, il est lié à un libellé spécifique que vous souhaitez automatiser.
|
Le tableau suivant présente les principales distinctions entre les champs généraux et les champs d’extraction. Prenez connaissance de ces types de champs de façon complètement différente.
| Type de champ | Prévu | Révisé à | Sans compter* vs. Complet* | Se chevaucher les étendues ? | Partager des types de champs entre champs d'un même type | Types de données pris en charge** |
| Champs généraux | Automatiquement dans l'ensemble de données | Un niveau de paragraphe | Uniquement spanful | Non | Non |
|
| Champs d'extraction | Uniquement à la demande | Un niveau de message (dans le contexte du libellé) | À la fois complet et sans portée | Oui | Oui |
|
*Pour plus de détails, consultez les sections Champs étendues et Champs sans étendue.
**Pour plus de détails sur les types de données pris en charge par chaque champ, consultez la section Configuration des types de champ.
Exemple de champs d'extraction
Dans cet exemple, la plate-forme peut identifier les champs d’extraction pertinents pour faciliter l’automatisation de bout en bout de ces deux libellés.
Exemple de champs généraux
Dans cet exemple, la plate-forme n'est pas suffisamment satisfaite qu'un libellé spécifique de la taxonomie s'applique à ce message. La plate-forme peut toujours extraire certains champs du message lui-même. Lorsque vous configurez des champs généraux, la plate-forme peut récupérer ces champs, quelle que soit la prédiction d’un libellé.
Pour configurer ou modifier à la fois vos champs généraux ou vos champs d’extraction via la page Parcourir (Explore ), appliquez les étapes suivantes :
- Sur une communication contenant un libellé, où vous souhaitez définir votre champ d'extraction dans Parcourir ( Explore), sélectionnez Annoter les champs (Annotate Fields).
- Si vous configurez un champ d'extraction, pointez à côté du nom du libellé dans la barre Annotations de champ ( Field annotations) à droite, et sélectionnez Gérer les champs (Manage fields). Si vous configurez un champ général, pointez-le à côté de Champs généraux ( General fields ) et gérez vos champs à cet endroit.
- Sélectionnez Nouveau champ d'extraction (New extraction field) pour ajouter un nouveau champ d'extraction. Vous pouvez ajouter plusieurs champs.
- Renseignez le Nom(s) du champ d'extraction et le type de champ que vous souhaitez extraire. Vous pouvez sélectionner un type de champ existant ou en créer un nouveau si ce que vous essayez d'extraire n'est pas configuré.
- Sélectionnez Enregistrer (Save) pour enregistrer les champs d'extraction.
Pour configurer ou modifier à la fois vos champs généraux et vos champs d’extraction via la page Paramètres (Settings) , appliquez les étapes suivantes :
Pour configurer également les champs via l' entraînement , suivez ces étapes :
- Allez dans Paramètres(Settings), puis Taxonomie ( Taxonomy).
- Pour créer un champ d'extraction, rendez-vous dans l'onglet Libellés et champs (Labels and fields).
- Sélectionnez le menu déroulant sur le libellé spécifique pour lequel vous souhaitez créer un champ d'extraction. La sélection de la liste déroulante développe la liste de tous les champs d'un libellé donné.
- Pour ajouter un nouveau champ d'extraction, sélectionnez Champ d'extraction ( Extraction field) en bas.
- Renseignez le Nom du champ ( Field name), ainsi que le Type de champ d' extraction (Extraction field type) pour configurer votre nouveau champ d'extraction.
- Pour créer un nouveau champ général, rendez-vous dans l'onglet Champs généraux . Sélectionnez Nouveau champ (New field) dans le coin supérieur droit.
- Renseignez le Nom du champ et le Type de champ général pour configurer vos nouveaux champs généraux.
- Date
- Texte exact
- Texte déduit
- Quantité monétaire
- Numérique
Le tableau suivant détaille quand utiliser chaque type de champ :
| Types de champs | ||||
| Type de données | Champ Général | Champ d'extraction | Description | Exemples |
| String | X | X | Les chaînes peuvent inclure n'importe quel caractère, tel que des lettres, des chiffres, etc.
Les chaînes peuvent également avoir des valeurs d'entrée explicitement présentes (étendues) dans le message ou déduites (sans étendue). Consultez plus de détails sur les champs étendus. |
|
| Date* | X | X | Les dates sont proposées dans différents formats non structurés et utilisent le champ de date pré-entraîné UiPath®.
|
|
| Nombre | X | X | Les quantités sont proposées dans différents formats non structurés et utilisent le champ de quantité pré-entraîné UiPath® pour interpréter les nombres.
|
|
| Devise Quantité* | X | X | Les quantités monétaires se présentent généralement dans des formats non structurés variables et utilisent le modèle de quantité monétaire pré-entraîné UiPath ®.
|
|
| Regex | X | | Si un champ spécifique doit toujours être extrait dans un format spécifique, les règles peuvent être configurées avec RegEx. Pour plus de détails, consultez la section Créer des champs généraux Regex personnalisés. |
|
| Modèle | X | | Consultez la liste des modèles pris en charge. |
|
*Dans la plate-forme, les quantités monétaires et les dates sont des types de champ général qui sont automatiquement normalisés. Pour plus de détails sur la normalisation des champs, consultez Formatage des champs généraux.
Champ étendu
Un champ étendu est un point de données explicitement indiqué dans le texte, tel qu’un identifiant commercial ou un numéro de police.
Champ sans étendue
Un champ sans plage est un point de données qui n'est peut -être pas indiqué explicitement dans le texte, mais qui doit être extrait du message (c'est-à-dire, qui peut être déduit du message). En d’autres termes, la plage de texte que vous souhaitez extraire n’est pas nécessairement présente dans le message.
Lors de la configuration des champs généraux, spécifiez si la valeur d'entrée doit être présente dans le message, ou si elle peut être déduite du message (c'est-à-dire – doit être extrait exactement tel quel du texte), ou non.
Voici quelques exemples de champs qui peuvent avoir besoin d’être étendus :
- Des valeurs qui doivent être normalisées, telles qu’une date.
- Valeurs qui doivent être concaténées à travers différentes zones d'un e-mail.
- Valeurs absentes d'un e-mail, mais qui sont implicites par la nature de l'e-mail
- Des valeurs qui s'étendent sur plusieurs paragraphes, lignes ou colonnes, c'est-à-dire qui n'apparaissent pas dans une période continue.
- Doit figurer dans le message : cette option est disponible.
- Déduction à partir du message : cette option est sans étendue.
Créer un nouveau type de champ
Un type de champ est l’état initial de votre nouveau champ. Si vous n’avez pas de type de champ à utiliser, appliquez les étapes suivantes pour configurer un nouveau type de champ. Vous pouvez configurer le nouveau type de champ à partir du menu déroulant lors de la création d’un champ, mais aussi sur la page du type de champ lui-même.
- Nom : donnez un nom à votre type de champ.
Remarque : le nom du type de champ n'est pas utilisé par le modèle pour le contexte de la même manière que les noms de champ.
- Définir pour : définissez si vous configurez un nouveau type de champ pour un champ d’extraction ou pour un champ général. Sélectionnez l’une des options suivantes : Champ d’extraction ou Champ général.
- Type de données : lors de la configuration de vos champs généraux ou de vos champs d’extraction, sélectionnez le type de données spécifique au type de champ.
Remarque : selon que vous configurez un nouveau type de champ ou un champ général pour une extraction, le type de données que vous pouvez configurer peut varier. Des configurations supplémentaires sont également applicables, selon le type de données que vous sélectionnez.
- Valeur d'entrée : sélectionnez l'une des options suivantes :
- Doit être présent dans le message : la valeur doit être présente sous la forme d’une période continue de texte dans le message.
- Déduction à partir du message : la valeur peut être déduite du contexte du message. Vous pouvez saisir des valeurs et éventuellement annoter des preuves à partir du message.
Créer un nouveau type de champ (onglet Paramètres)
Vous pouvez configurer un nouveau type de champ via l'onglet Parcourir ou l'onglet Paramètres dans l'onglet Entraîner .
Une fois le type de données configuré sur un type de champ, vous ne pouvez pas le modifier. Sélectionnez le type de données correct lors de la création d’un type de champ. Si vous ne sélectionnez pas les données correctes, vous devez supprimer le type de champ et le recréer avec le type de données correct.
Vous pouvez configurer un nouveau type de champ pour les champs d’extraction et les champs généraux via l’onglet Paramètres .
Pour configurer un nouveau type de champ dans l'onglet Paramètres , procédez comme suit :
- Accédez à la page Paramètres .
- Sélectionnez l'onglet Taxonomie .
- Sélectionnez l’onglet Types de champ .
- Sélectionnez Nouveau type de champ.
- Configurez votre nouveau type de champ.
Créer un nouveau type de champ dans Explore
Pour configurer un nouveau type de champ, appliquez les étapes suivantes :
- Sous l'onglet Explorer (Explore) , sélectionnez Annoter les champs (Annotate Fields).
- Sélectionnez l’ellipse verticale à côté des champs généraux ou des champs d’extraction.
- Sélectionnez Gérer les champs (Manage fields).
Remarque: Vous pouvez uniquement créer un nouveau type de champ dans la section correspondante des champs d’extraction.
- Dans la section Gérer les champs (Manage fields) , sélectionnez le menu déroulant Type de champ.
- Sélectionnez Nouveau type de champ et configurez votre type de champ.
- Présentation de la configuration des champs d’extraction
- Explorer la page
- Page des paramètres
- Entraîner la page
- Orientation générale
- Bonne pratique pour le nom de champ
- Champs généraux vs champs d’extraction
- Exemple de champs d'extraction
- Exemple de champs généraux
- Configuration des champs dans Explore
- Configuration des champs dans Paramètres
- Configuration des types de champs
- Champ étendu
- Champ sans étendue
- Créer un nouveau type de champ
- Créer un nouveau type de champ (onglet Paramètres)
- Créer un nouveau type de champ dans Explore