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
- 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™
- Sélection des seuils de confiance des libellés
- Création de flux
- Mise à jour ou suppression d'un flux
- 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 20 oct. 2025
Remarque : vous devez avoir attribué les rôles Administrateur de projet IXP ou Développeur IXP en tant qu'utilisateur d'Automation Cloud, ou l'autorisation Modifier les flux pour mettre à jour les flux, ou l'autorisation Administrateur de flux pour supprimer des flux en tant qu'utilisateur hérité.
Il y a quelques raisons pour lesquelles vous devez mettre à jour un flux :
- Vous souhaitez ajuster les seuils de la même version de modèle afin de modifier la sortie des prédictions.
- Lorsqu’une nouvelle version de modèle est créée via un entraînement supplémentaire et que vous souhaitez tirer parti de la sortie de la dernière version, c’est-à-dire la version épinglée, vous devez mettre à jour le flux pour inclure la nouvelle version.
Remarque : si vous mettez à jour un flux vers une nouvelle version de modèle épinglée, vous devez également ajuster tous les seuils de libellé pour maximiser les performances de la nouvelle version.
Remarque : vous devez avoir attribué les rôles Administrateur de projet IXP ou Développeur IXP en tant qu'utilisateur d'Automation Cloud, ou l'autorisation Modifier les flux pour mettre à jour les flux, ou l'autorisation Administrateur de flux pour supprimer des flux en tant qu'utilisateur hérité.
Afin de mettre à jour un flux, procédez comme suit :
- Accédez à la page Ensembles de données et sélectionnez l’onglet Flux .
- Sélectionnez le bouton d’engrenage sur la carte de flux que vous souhaitez mettre à jour. Cela ouvrira la fenêtre modale Modifier le flux .
- Modifiez l’un des champs dans la fenêtre modale Modifier le flux .
- Le plus souvent, il s'agira d'ajuster les seuils ou de modifier la version du modèle épinglé sur laquelle le flux est basé.
- Cela inclut la mise à jour des seuils, qui doit être effectuée chaque fois que vous passez à une nouvelle version de modèle épinglée.
- Cochez le bouton pour enregistrer vos modifications. Au fur et à mesure, les mises à jour prendront effet dans le flux.
Remarque : vous devez avoir attribué les rôles Administrateur de projet IXP ou Développeur IXP en tant qu'utilisateur d'Automation Cloud, ou l'autorisation Modifier les flux pour mettre à jour les flux, ou l'autorisation Administrateur de flux pour supprimer des flux en tant qu'utilisateur hérité.
Afin de supprimer un flux, procédez comme suit :
- Accédez à la page Ensembles de données et sélectionnez l’onglet Flux .
- Sélectionnez le bouton d'engrenage sur la carte de flux que vous souhaitez supprimer. Cela ouvrira la fenêtre modale Modifier le flux .
- Sélectionnez l’icône de corbeille pour supprimer le flux.
- Sélectionnez Supprimer dans la fenêtre modale Supprimer le flux pour confirmer votre décision.
