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
- Téléchargement d’un fichier CSV dans une source
- Préparation des données en vue du téléchargement du fichier .CSV
- 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
- Entraînement des données de chat et d'appels
- 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 7 oct. 2025
Important: The licensing information on this page applies to you if you are on Flex. If you are on Unified Pricing, refer to the Communications Mining™ Unified Pricing.
Le tableau suivant présente les fonctionnalités disponibles dans Communications Mining au sein d’IXP, selon le plan de la plate-forme :
| Fonctionnalités | Description de la fonctionnalité | Essai de base | Essai standard |
Licence d'évaluation d'entreprise | Basique | Standard | Enterprise |
|---|---|---|---|---|---|---|---|
| Données de communication (Communications Mining™) | Accès aux capacités de Communications Mining, à l’exception de CMEK. | Non (No) | Non (No) |
Oui (Yes) | Non (No) | Non (No) | Oui (Yes) |
| Clé de chiffrement gérée par le client (CMEK) via un stockage multi-locataires et dédié | Stockage Communications Mining dédié, ou locataire pour le client, qui active la CMEK.
Remarque : Vous devez soumettre une demande pour activer cette fonctionnalité. Pour en savoir plus, contactez votre représentant commercial.
| Non (No) | Non (No) |
Sur demande | Non (No) | Non (No) | Sur demande |
Mesurer la consommation
L'utilisation de Communications Mining™ est mesurée en fonction du taux de consommation d'unités.
Utiliser des unités
Dans Communications Mining, les unités sont consommées lorsque des données sont téléchargées sur la plate-forme, à raison de 1 AI Unit par téléchargement, comme suit :
- Par message créé, par exemple, un commentaire dans l'API, comme un e-mail.
- Par message mis à jour, si le texte des données a été modifié.
Remarque : étant donné que les modèles Communications Mining s’entraînent en permanence et que les prédictions sont automatiquement mises à jour, vous n’êtes pas facturé par prédiction, mais par message.
Vous serez facturé 1 AI Unit par message pour les opérations suivantes :
- Téléchargement de données sur la plate-forme via l'API.
- Téléchargement de commentaires ou d'e-mails bruts (chemins sync et sync-raw-email).
- Récupération des prédictions pour les commentaires ou les e-mails bruts qui ne se trouvent pas sur la plate-forme (predict et prediction-raw-email routages).
- Téléchargement des données sur la plate-forme via la CLI.
- Téléchargement de données sur la plate-forme via des intégrations.
- Synchronisation des e-mails via l' intégration avec Microsoft Exchange
- Synchronisation des objets Salesforce via l' intégration Salesforce
- Téléchargement de données sur la plate-forme via l'interface utilisateur de la plate-forme.
Une fois téléchargés, Communications Mining stocke les messages sans frais supplémentaires pendant 2 ans.
Consommation AI Units
Cette section explique comment la mesure et la facturation des AI Units sont déterminées en fonction du type d'opération que vous effectuez :
| Produit | Capacité | Détails des frais | Activité ou modèle | AI Units consommées |
|---|---|---|---|---|
| Extraction intelligente (XP) | Données de communication (Communications Mining™) | Par message téléchargé, modifié ou prévu | Classification et extraction | 1 |
