ixp
latest
false
Guide de l’utilisateur de Communications Mining
- 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
- Téléchargement d'un fichier PST
- 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
- Balises de transformation d’e-mail
- 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
- Guide de migration : Exchange Web Services (EWS) vers l'API Microsoft Graph
- 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
Important :
Veuillez noter que ce contenu a été localisé en partie à l’aide de la traduction automatique.
La localisation du contenu nouvellement publié peut prendre 1 à 2 semaines avant d’être disponible.
Activation de l'extraction générative
Extraction générative dans IXP sur Automation Cloud, y compris la façon dont elle est activée, les exigences d'autorisation et le comportement des champs précédemment annotés.
Remarque :
- Vous avez besoin des autorisations Révision et Libellé pour configurer et valider toutes les extractions.
- Si vous avez défini des champs d'extraction sur l'un de vos libellés, vous avez automatiquement activé l'extraction générative (GenEx).
- Si vous avez précédemment annoté des champs généraux alors que GenEx n'était pas activé, vous devez fournir de nouvelles annotations pour les champs d'extraction, afin que le modèle puisse reconnaître la relation entre vos champs et vos libellés.
- Évitez d’effectuer des allers-retours entre le LLM UiPath Helix Extractor 1.0 (IXP-Comms) et le LLM UiPath Helix Extractor 2.0 (IXP-Comms), car cela peut compliquer le suivi et la gestion de la version LLM utilisée pour l’entraînement de chaque modèle. Vous trouverez davantage d'informations sur les LLM dans les sections qui suivent.
Pour activer l'extraction générative, procédez comme suit :
- Configurez au moins un champ d’extraction dans l’onglet Taxonomie ; sous Paramètres.
- Selon le LLM que vous souhaitez utiliser, UiPath Helix Extractor 1.0 ou UiPath Helix Extractor 2.0, dans l'onglet Ensemble de données :
- Pour utiliser UiPath Helix Extractor 1.0, désactivez l'option Utiliser les fonctionnalités d'IA générative externe .
- Pour utiliser UiPath Helix Extractor 2.0, activez l'option Utiliser les fonctionnalités d'IA générative externe , puis activez Utiliser le modèle d'extraction générative V2.
Disponibilité régionale
L'extraction générative est disponible dans les régions suivantes:
- us
- Europe
- Japon
- Canada
- Australie
- Singapour
- Royaume-Uni
- Suisse
- GxP UE
- GxP États-Unis
Remarque :
- Le LLM UiPath Helix Extractor 1.0 (IXP-Comms) a été retiré à Singapour, au Royaume-Uni, en Suisse et dans l'UE GxP. Dans ces régions, l'Extraction générative est disponible exclusivement par le biais du LLM UiPath Helix Extractor 2.0 (IXP-Comms), qui s'appuie sur des appels LLM externes. Ce modèle peut gérer des extractions plus importantes et plus complexes qu’UiPath Helix Extractor 1.0. UiPath évalue actuellement les options supplémentaires du modèle d’extraction sous-jacent dans ces régions. UiPath Helix Extractor 1.0 est également en cours de retrait au Japon, au Canada et en Australie.
- UiPath Helix Extractor 1.0 et UiPath Helix Extractor 2.0 sont disponibles aux États-Unis, aux États-Unis GxP et en Europe.
Pour de plus amples informations sur les différences entre ces modèles, consultez Comparaison de UiPath Helix Extractor (IXP-Comms) 1.0 and 2.0.