ixp
latest
false
- 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
- Préparation des données en vue du téléchargement du fichier .CSV
- Téléchargement d’un fichier CSV dans une source
- 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
Dernière mise à jour 10 nov. 2025
Remarque :
- Vous devez avoir attribué les rôles d'administrateur de projet IXP ou de Développeur IXP en tant qu'utilisateur d'Automation Cloud, ou l'autorisation Administrateur de flux en tant qu'utilisateur hérité.
- Vous devez avoir attribué les rôles Analyst IXP, Observateur IXP ou Entraîneur de modèles IXP en tant qu'utilisateur d'Automation Cloud, ou l'autorisation Afficher les flux en tant qu'utilisateur hérité, ce qui vous permet uniquement d'afficher les flux affectés à un ensemble de données. Sans cette autorisation, la page Flux ne s'affichera pas dans le menu de navigation du jeu de données.
Afin de créer un flux, procédez comme suit :
Attention : avant de créer un flux, assurez-vous d’avoir épinglé le modèle.
- Accédez à la page Ensembles de données et sélectionnez l'onglet Flux .
- Sélectionnez Nouveau flux +. Cette action ouvre la fenêtre modale Créer un flux , où vous devez remplir les champs requis :
- Titre : donnez un titre et une description au flux.
- Nom de l'API : définissez un nom d'API.
- Version du modèle : spécifiez la version du modèle (étiqueteur) à utiliser.
- Filtres : utilisez la barre de filtres du panneau latéral pour définir des filtres de propriété utilisateur, qui doivent être satisfaits afin que les messages entrent dans la file d’attente du flux.
- Sélectionnez un libellé et un seuil de confiance comme indiqué dans l'image suivante :
Lorsque vous définissez un seuil, ce libellé est renvoyé dans le flux si la plate-forme prévoit ce libellé avec un degré de confiance égal ou supérieur au seuil défini. La définition d’un seuil de libellé ne modifie pas les messages qui sont renvoyés par le flux, mais uniquement les prédictions qui sont renvoyées avec ces messages.
La plate-forme prédit le nombre de faux positifs et de faux négatifs que le flux se tromperait ou manquerait.
Le seuil par défaut pour un libellé est de 100 %. À ce stade, elle est désactivée et le flux ne renverra pas les prédictions pour le libellé.Si le seuil est fixé à moins de 100 %, le flux renverra les prédictions pour les libellés supérieurs au seuil. - Sélectionnez le bouton de coche pour créer le flux.
