Extraction de champ général

Communications Mining™ extrait les types de résultats suivants du texte non structuré :

• Libellés
• Champs généraux

Les libellés décrivent le message complet, par exemple, Annulation, Échec commercial ou Urgent. Les champs généraux font référence à des parties spécifiques du message, par exemple, le Nom de la contrepartie, l’ID client ou la Date d’annulation.

Dans un processus en aval, les libellés sont utilisés pour trier, hiérarchiser et décider quel type d'action doit être entreprendre. Les champs généraux sont utilisés pour remplir les champs de demande. Par exemple, un processus en aval peut filtrer les messages en fonction de ceux comportant le libellé Annulation, puis utiliser les champs généraux ID client et Date d'annulation extraits pour appeler une API afin de traiter automatiquement l'annulation.

Communications Mining est livré avec un certain nombre de champs généraux intégrés pour les concepts courants, tels que Organisation, Code de devise ou Date. Vous pouvez personnaliser les champs généraux intégrés de Communications Mining afin qu’ils soient adaptés à votre cas d’utilisation spécifique. Par exemple, Communications Mining dispose d’un champ général Date prédéfini et hautement entraîné que vous pouvez utiliser comme point de départ pour créer un champ général plus personnalisé tel que Date de renouvellement ou Date d’annulation. Vous pouvez également partir de zéro et apprendre à Communications Mining à reconnaître quelque chose de complètement nouveau.

Configuration des champs généraux

Nous utiliserons un cas d'utilisation d'assurance comme notre exemple. La boîte aux lettres de l'assureur reçoit les e-mails des courtiers qui doivent être transmis à différentes équipes pour le traitement. Dans cet exemple, l'ensemble de données a déjà été entraîné et la taxonomie ressemble à ceci :

Figure 1.. Exemple de taxonomie

Cette boîte aux lettres reçoit les demandes de renouvellement, d’annulation et d’administrateur qui sont parfois Urgents. Communications Mining™ a été entraîné de manière à reconnaître chacun de ces concepts, et les prédictions Communications Mining peuvent être utilisées afin de trier les e-mails à l’équipe appropriée en créant des tickets d’assistance.

Pour garantir que le client reçoit une réponse rapide, nous pouvons extraire quelques points de données clés qui aideront les équipes en aval à traiter la demande. Plus précisément, nous voulons extraire le numéro de police, le nom de l'organisation assurée et le nom du courtier de l'e-mail. Nous pouvons utiliser l' extraction de champ général pour ce faire.

Figure 2. Champs généraux configurés

Étant donné que le format du numéro de police est spécifique à cet assureur particulier, nous configurons le champ général pour qu'il puisse être entraîné à partir de zéro. D’autre part, l’organisation assurée est un type d’organisation, nous la configurons donc pour qu’elle puisse être entraînée en fonction du champ général Organisation (Organization) intégré. Enfin, nous remarquons que les courtiers n'inscrivent pas toujours leur nom dans l'e-mail. Nous décidons donc d'utiliser l'adresse e-mail du courtier (disponible à partir des métadonnées de commentaire) pour rechercher le nom correspondant dans une base de données interne, plutôt que de l'extraire comme champ général.

Le tableau suivant résume ces approches.

Configuration	Quand l'utiliser	Exemples
Champ général pouvant être entraîné sans champ général de base	Le plus souvent utilisé pour différents types d'ID internes, ou lorsqu'il n'y a pas de champ général de base approprié dans Communications Mining.	Numéro de police, ID client
Champ général pouvant être entraîné avec champ général de base	Utilisé pour personnaliser un champ général préconstruit existant dans Communications Mining.	Date d'annulation (basée sur la date), organisation assurée (basée sur l'organisation)
Champs généraux pré-construits (ne peuvent pas être entraînés)	Utilisé pour les champs généraux qui doivent correspondre exactement tels que définis, où l'entraînement inviterait des erreurs.	est dans
Utilisation de métadonnées de commentaire au lieu de champs généraux	Utilisé lorsque les informations requises sont déjà présentes sous forme structurée dans les métadonnées de commentaire.	Adresse de l’expéditeur, domaine de l’expéditeur

Utilisation de champs généraux dans votre application

Communications Mining™ propose plusieurs façons de récupérer les prédictions, y compris les champs généraux prévus. Veuillez consulter la vue d’ensemble du téléchargement de données pour comprendre la méthode la mieux adaptée à votre cas d’utilisation.

Quelle que soit la méthode que vous choisissez, vous devez connaître les cas particuliers suivants et les gérer dans votre application :

• Tous les champs généraux attendus ne sont pas présents dans la réponse
• La réponse contient plusieurs correspondances pour un ou plusieurs champs généraux
• Tous les champs généraux présents dans la réponse ne sont pas corrects

Dans cette section, nous allons examiner chacun de ces cas limites plus en détail.

Tous les champs généraux ne sont pas présents dans la réponse

Vous devez vous attendre à gérer des cas où tous les champs généraux attendus ne sont pas présents. Dans l'exemple suivant, l'e-mail dispose du numéro de police, mais ne indique pas le nom de l'organisation assurée. Votre application doit être capable de gérer ces informations partielles.

Figure 3. Organisation assuré manquante

La réponse contient plusieurs correspondances pour un ou plusieurs champs généraux

Vous devez également vous attendre à gérer l’inverse du cas précédent, à savoir les cas où un commentaire contient plus de champs généraux que prévu. Dans l’exemple suivant, même si nous attendons un numéro de police et un nom d’organisation assuré par e-mail, l’e-mail contient plusieurs numéros de police.

Image 4. Plusieurs correspondances pour le même champ général

Notez que vous pouvez utiliser les métadonnées dans la réponse lorsque vous gérez de tels cas. Par exemple, nous pouvons choisir de choisir de préférence les numéros de police qui apparaissent dans l'objet de l'e-mail plutôt que ceux qui apparaissent dans le corps de l'e-mail. L'exemple suivant montre la réponse que l'API renverra pour notre exemple d'e-mail.

{
  "predictions": [
    {
      "uid": "aa05ba2250de48e3.7588b85f68f81c3b",
      "labels": [...],
      "entities": [
        {
          "id": "6a1d11118b60868e",
          "name": "policy-number",
          "span": {
            "content_part": "body",
            "message_index": 0,
            "utf16_byte_start": 200,
            "utf16_byte_end": 222,
            "char_start": 100,
            "char_end": 111
          },
          "kind": "policy-number",
          "formatted_value": "GHI-0204963"
        },
        {
          "id": "6a1d11118b60868e",
          "name": "policy-number",
          "span": {
            "content_part": "subject",
            "message_index": 0,
            "utf16_byte_start": 0,
            "utf16_byte_end": 22,
            "char_start": 0,
            "char_end": 11
          },
          "kind": "policy-number",
          "formatted_value": "GHI-0068448"
        },
        {...},
        {...},
        {...}
      ]
    }
  ],
  "model": {
    "version": 31,
    "time": "2021-07-14T15:00:57.608000Z"
  },
  "status": "ok"
}

Tous les champs généraux présents dans la réponse ne sont pas corrects

Enfin, étant donné que les champs généraux sont extraits à l'aide de l'apprentissage automatique, vous devez vous attendre à ce que les correspondances soient erronées. Le nombre de correspondances erronées dépendra du champ général que vous utilisez. La page Validation de votre ensemble de données fournit des statistiques de validation pour comprendre les performances d'un champ général.

Image 5. Validation du champ général