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™
- 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 7 oct. 2025
Note: You must have assigned the IXP Project Admin or IXP Developer roles as an Automation Cloud user, or the Modify streams permission to update streams, or the Streams admin permission to delete streams as a legacy user.
Il y a quelques raisons pour lesquelles vous devez mettre à jour un flux :
- You want to adjust the thresholds for the same model version to change the output of predictions.
- When a new model version is created via additional training and you want to leverage the output from the latest version, that is, the pinned version, then you should update the stream to include the new 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.
Note: You must have assigned the IXP Project Admin or IXP Developer roles as an Automation Cloud user, or the Modify streams permission to update streams or the Streams admin permission to delete streams as a legacy user.
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.
Note: You must have assigned the IXP Project Admin or IXP Developer roles as an Automation Cloud user, or the Modify streams permission to update streams or the Streams admin permission to delete streams as a legacy user.
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.