- 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
- 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
Guide de l’utilisateur de Communications Mining
Vous pouvez télécharger votre taxonomie de libellés vers la plate-forme Communications Mining™ à partir d’une feuille de calcul. Le téléchargement de votre taxonomie à partir d'une feuille de calcul importe automatiquement tous les libellés sans avoir à les ajouter manuellement lors de l'entraînement du modèle.
Pour importer votre taxonomie à partir d'une feuille de calcul, procédez comme suit :
-
Sélectionnez Paramètres dans la barre de navigation, puis Taxonomie et Libellés et champs d’extraction.
-
Sélectionnez la flèche déroulante à côté du bouton Nouveau libellé .
-
Sélectionnez Importer à partir d’une feuille de calcul dans la liste déroulante.
-
Copiez-collez vos libellés (Libellé parent > Format de libellé enfant) et leurs descriptions (si disponible) à partir de votre feuille de calcul.
-
Sélectionnez Importer.
Il est fortement recommandé d'ajouter des descriptions de libellés à vos libellés afin de garantir la cohérence de l'annotation. L'ajout de descriptions de libellés est particulièrement utile si vous avez plusieurs personnes qui entraînent le modèle.
Pour importer votre taxonomie à partir d'un autre jeu de données, procédez comme suit :
-
Sélectionnez la flèche déroulante à côté du bouton Nouveau libellé .
-
Sélectionnez Importer à partir de l'ensemble de données dans la liste déroulante.
-
Sélectionnez un nom de jeu de données dans la liste déroulante.
-
Sélectionnez Importer.
Remarque :Cette option permet de copier les libellés et les descriptions uniquement à partir d’un ensemble de données existant. Pour copier un ensemble de données complet, y compris les annotations et les sources, sélectionnez Dupliquer dans les options de l'ensemble de données de la page Ensembles de données.
Libellés importés ou créés manuellement dans la vue de taxonomie
Ajouter des libellés pré-entraînés
Vous pouvez également ajouter des libellés pré-entraînés lors de cette étape. Les libellés pré-entraînés tels que OOO, Merci, Urgent, Coureur, etc.) sont des concepts génériques qui ont été pré-entraînés sur un grand nombre de données.
