Concepts de base

Cette section donne un aperçu des concepts de plate-forme de base.

Pour en savoir plus sur la plate-forme du point de vue de l’utilisateur final, consultez le guide de l’utilisateur de Communications Mining™.

Concept	Description	Exemple
Source	Dans Communications Mining™, les données sont organisées en sources ou en sources de données. En règle générale, une source correspond à un canal. Une boîte aux lettres, les résultats d’une enquête ou un ensemble d’avis de clients sont tous des exemples de données qui peuvent être téléchargés dans Communications Mining comme source de données. Plusieurs sources peuvent être combinées pour créer un modèle, il est donc préférable d'opter pour le côté de plusieurs sources plutôt qu'avec une seule source mono appropriée.	Le diagramme présente les données des e-mails (Source A qui contient des e-mails individuels) et les données des avis des clients (Sources B et C qui contiennent des avis de clients individuels). Les données des avis des clients sont divisées en deux sources selon l'origine des données, mais seront combinées en un seul ensemble de données dans le but de créer un modèle commun.
Commentaire (Comment)	Dans les sources, chaque communication textuelle individuelle est représentée sous la forme d’un commentaire. Un commentaire disposera toujours d’un ID, d’un horodatage, d’un corps de texte et de champs supplémentaires en fonction du type de données qu’il représente. Par exemple, les e-mails contiendront les champs de messagerie attendus tels que De, À, Cc, etc.	Le diagramme montre comment les différents types de commentaires sont utilisés par les différents types de commentaires. Par exemple, dans un commentaire d'e-mail, le champ De contient l'adresse de l'expéditeur, tandis que dans un commentaire de avis d'un client, il contient l'auteur de la révision. Les champs de métadonnées, affichés en bas de chaque commentaire, sont définis par l'utilisateur. Notez comment nous utilisons le même ensemble de champs pour les deux sources d’avis client : dans la mesure où nous voulons les combiner en un seul ensemble de données, les données doivent être cohérentes afin d’assurer de bonnes performances du modèle.
Jeu de données	Un ensemble de données vous permet d'annoter une ou plusieurs sources afin de créer un modèle. Une source peut être incluse dans plusieurs ensembles de données. L'ensemble de tous les libellés d'un ensemble de données est appelé taxonomie.	Le diagramme montre deux ensembles de données reposant sur les données de la boîte aux lettres d'assistance, ainsi qu'un ensemble de données combinant les données d'avis du client. Notez que même si l'ensemble de données 1 et l'ensemble de données 2 sont basés sur les mêmes données, leur taxonomie de libellé est différente, car leurs cas d'utilisation, c'est-à-dire l'analyse et l'automatisation, appellent des ensembles de libellés différents.
Modèle	Le modèle est continuellement mis à jour à mesure que les utilisateurs annotent davantage de données. Pour recevoir des prédictions cohérentes, un numéro de version de modèle doit être spécifié lors de l'interrogation du modèle.
Label	Les libellés sont appliqués lors de l’entraînement d’un modèle et sont renvoyés lors de l’interrogation du modèle pour les prédictions. Lorsque les libellés sont renvoyés en tant que prédictions, ils ont un score de confiance associé qui indique la probabilité que le modèle suppose que la prédiction s’applique. Pour convertir la prédiction en réponse Oui ou Non, le score de confiance doit être vérifié par rapport à un seuil, qui est choisi pour représenter un compromis de précision/rappel approprié.	Les libellés sont attribués par les utilisateurs de Communications Mining lors de l’entraînement du modèle. L’interface utilisateur de Communications Mining permet à l’utilisateur d’annoter les commentaires les plus pertinents, de s’assurer que les libellés sont appliqués de manière cohérente et qu’un nombre suffisant de commentaires sont annotés, afin de produire un modèle performant.