- Introduction
- Vue d'ensemble (Overview)
- Comment les entreprises peuvent utiliser Communications Mining™
- Premiers pas avec Communications Mining™
- 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
Cette page décrit les étapes clés requises pour configurer et fournir un cas d’utilisation Communications Mining :
Utilisateurs d'Automation Cloud
Si vous êtes un utilisateur d'Automation Cloud et que les AI Units ou les Platform Units sont activées, vous pouvez accéder à Communications Mining via le service UiPath® IXP dans Automation Cloud. Si vous n’avez pas d’unités mais que vous souhaitez commencer à utiliser Communications Mining, contactez votre gestionnaire de compte.
Pour accéder à Communications Mining sur Automation Cloud, les conditions suivantes doivent être remplies :
- Un administrateur doit activer IXP en tant que service sur votre locataire Automation Cloud. Pour cette action, une licence Enterprise est requise et votre organisation Automation Cloud doit disposer d’AI Units ou de Platform Units. Pour de plus amples informations, consultez Activation de Communications Mining.
- Vous devez être un utilisateur existant du locataire Automation Cloud. Si ce n'est pas le cas, demandez à un administrateur de votre locataire Automation Cloud de vous ajouter.
- comment accéder à Communications Mining sur Automation Cloud pour la première fois, consultez Se configurer en tant qu’utilisateur d’Automation Cloud.
- comment gérer votre compte sur Automation Cloud, consultez Gestion des comptes.
Utilisateurs hérités
Vous n'avez pas besoin d'être un utilisateur d'Automation Cloud pour accéder à Communications Mining.
- comment accéder à Communications Mining sur Automation Cloud pour la première fois, consultez Se configurer en tant qu’utilisateur hérité.
- comment gérer votre compte, consultez Gestion des comptes (accès hérité).
Les projets peuvent être considérés comme des espaces de travail restreints. Chaque jeu de données et source de données est associé à un projet spécifique, les utilisateurs ayant besoin d’autorisations dans ces projets pour pouvoir travailler avec les données qu’ils contiennent. Les ensembles de données d'un projet peuvent être constitués de sources de données provenant de plusieurs projets. Les utilisateurs auront simplement besoin d’une autorisation dans les deux projets pour afficher et annoter les données.
Pour de plus amples informations sur la structure des données, consultez Comprendre la structure des données et les autorisations.
Pour les utilisateurs d'Automation Cloud, chaque locataire dispose d'un projet par défaut auquel tous les utilisateurs du locataire ont accès. Avant de télécharger des données, de créer des ensembles de données et d’entraîner des modèles, il est fortement recommandé de créer un nouveau projet avec un accès limité uniquement aux personnes qui ont besoin d’accéder à ces données. Une fois ceux-ci créés, il sera difficile de déplacer les sources de données et les jeux de données vers différents projets.
Pour créer un nouveau projet, suivez les étapes décrites dans Création d'un nouveau projet (Automation Cloud).
Des autorisations utilisateur strictes contrôlent l’accès aux locataires Communications Mining, aux projets, aux sources de données et aux ensembles de données. Vous devez attribuer des autorisations à chaque utilisateur. Les autorisations peuvent fournir l'accès aux données sensibles et permettre aux utilisateurs d'effectuer diverses actions dans la plate-forme. Par conséquent, les utilisateurs ne doivent recevoir que les autorisations dont ils ont besoin pour accomplir leurs rôles. Pour une explication plus détaillée des autorisations utilisateur, consultez Rôles et autorisations associées.
- la création d'un nouvel utilisateur hérité, consultez Créer un nouvel utilisateur (administrateurs non-Automation Cloud).
- lorsque vous ajoutez un utilisateur à un projet, cochez la case Ajouter un utilisateur à un projet.
- la mise à jour des autorisations utilisateur, consultez la section Mettre à jour les rôles et les autorisations.
Les sources de données sont des collections de données de communication brutes et non annotées d’un type similaire, par exemple les e-mails d’une boîte aux lettres partagée ou une collection de réponses à une enquête NPS.
La création d'une source dans l'interface graphique configure une source vide avec des propriétés définies, et les données peuvent ensuite être téléchargées via l'API. La configuration de cette source peut également être effectuée via l'API.
Une fois la source créée, les données peuvent être téléchargées via :
- Intégration, c'est-à-dire l'intégration Exchange, l'intégration Salesforce, etc.
- Téléchargement d'un fichier CSV statique.
- lorsque vous créez une nouvelle source de données dans l'interface graphique, cochez Créer ou supprimer une source de données dans l'interface graphique.
- téléchargeant un fichier CSV dans une source, consultez Charger un fichier CSV dans une source.
- des conseils d’intégration et de la documentation technique, consultez la Vue d’ensemble des guides d’intégration.
Les ensembles de données sont composés d'une ou plusieurs sources de données, dans un maximum de 20, et du modèle que vous entraînez.
S'il existe plusieurs sources dans un ensemble de données, elles doivent partager un objectif similaire pour votre analyse ou votre automatisation.
Lorsque vous créez un nouvel ensemble de données, vous pouvez choisir de créer une copie d'un ensemble de données préexistant. Cela signifie que vous copiez les mêmes sources, champs généraux, sélection de sentiments, libellés et exemples examinés.
L’entraînement du modèle consiste à créer et à entraîner un ensemble de libellés, c’est-à-dire un ensemble d’intentions ou de concepts, ainsi que des messages, c’est-à-dire des points de données structurés, appliqués à des communications individuelles au sein de l’ensemble de données. Lorsque nous commençons à entraîner le modèle, les modèles d'apprentissage automatique de la plateforme s'entraîneront en temps réel et commenceront à prévoir l'endroit où ces libellés et entités peuvent s'appliquer dans l'ensemble de données.
L’entraînement d’un modèle nécessite un entraîneur de modèle qui connaît bien les données. L’entraîneur de modèle intègre ses connaissances au modèle en entraînant un petit ensemble de données d’entraînement qui représente l’ensemble de données dans son ensemble, et permet au modèle de faire des prédictions sur l’ensemble de données complet.
Les conditions préalables avant de commencer à entraîner un modèle Communications Mining sont les suivantes :
- Objectifs définis et critères de réussite.
- Conception d'une taxonomie de libellés et de champs.
- Des PME commerciales disposant de connaissances spécifiques au domaine.
- Temps défini sur l'horloge pour entraîner le modèle.
Le processus d’entraînement du modèle comprend les phases clés suivantes : Découvrir, Explorer et Affiner. La fonctionnalité Entraîner offre une expérience d'entraînement guidée qui guide les utilisateurs tout au long de chaque phase de l'entraînement.
Tout modèle utilisé en production doit être maintenu efficacement pour maintenir des performances élevées. Cela inclut la prévention de la dérive du concept et la création d'un processus d'exception.
Pour plus de détails sur l’entraînement des modèles, consultez les ressources suivantes :
- Préparation à l'entraînement du modèle
- Entraînement du modèle :
- Maintenance du modèle
La plateforme dispose d'une capacité intégrée de génération de rapports et d'analyse qui peut vous aider à identifier les problèmes potentiels et les opportunités d'amélioration sur vos canaux de communication. Par exemple :
- Les demandes de type transactionnel peuvent être de bons candidats à l’automatisation ou au libre-service.
- Les requêtes qui n’obtenent aucune réponse ou aucun suivi peuvent être potentiellement ainsi éliminées.
- Les e-mails sans action, c’est-à-dire les e-mails générés automatiquement et les e-mails de remerciement, peuvent potentiellement être supprimés d’une boîte aux lettres.
- Des requêtes d’urgence qui doivent être hiérarchisées et résolues immédiatement.
- Les causes profondes de l’insatisfaction des clients, des escalades ou des rejets.
Pour de plus amples informations sur la génération d'informations et la création de rapports, consultez la section Utiliser les analyses et la vue d'ensemble de la surveillance.
La plate-forme permet l’automatisation en aval en créant une file d’attente de communications qu’un robot peut lire.
Les niveaux de seuil de confiance génèrent ces files d’attente. La définition d'un seuil signifie que pour que le message entre dans la file d'attente, la plate-forme doit prédire ce libellé avec un niveau de confiance égal ou supérieur au seuil que vous avez défini.
- la création et la gestion de flux, consultez Sélectionner les seuils de confiance des libellés.
- la vue d’ensemble de l’infrastructure d’automatisation Communications Mining, consultez l’ infrastructure d’automatisation UiPath.
- 1. Accéder à Communications Mining
- 2. Créer un projet
- 3. Ajouter des utilisateurs à un projet avec des autorisations correctes
- 4. Création d’une source de données
- 5. Création d'un ensemble de données
- 6. Entraîner et maintenir un modèle
- 7. Exploration des analyses
- 8. Implémentation de l'automatisation
- 9. Ressources supplémentaires pour vous aider à démarrer