ixp
latest
false
- はじめに
- アクセス制御と管理
- ソースとデータセットを管理する
- モデルのトレーニングと保守
- 生成 AI による抽出
- 分析と監視を使用する
- オートメーションと Communications Mining™
- 開発者
- データをアップロードする
- データのダウンロード
- Exchange と Azure サービス ユーザーとの連携
- Exchange と Azure アプリケーション認証の統合
- Exchange と Azure Application Authentication and Graph の統合
- Migration Guide: Exchange Web Services (EWS) to Microsoft Graph API
- Python を使用した Tableau のデータのフェッチ
- Elasticsearch との連携
- 一般的なフィールド抽出
- セルフホストの Exchange 統合
- UiPath® Automation Framework
- UiPath® 公式アクティビティ
- 機械が単語を理解する方法:NLPに埋め込むためのガイド
- トランスフォーマーによるプロンプトベースの学習
- 効率的な変圧器II:知識蒸留と微調整
- 効率的な変圧器I:注意メカニズム
- 階層的な教師なしインテントモデリング:トレーニングデータなしで価値を得る
- Communications Mining™ でアノテーションの偏りを修正する
- アクティブ ラーニング: より優れた ML モデルを短時間で実現
- それはすべて数字にあります-メトリックを使用してモデルのパフォーマンスを評価します
- モデルの検証が重要な理由
- 対話データ分析 AI としての Communications Mining™ と Google AutoML を比較する
- ライセンス
- よくある質問など
重要 :
このコンテンツの一部は機械翻訳によって処理されており、完全な翻訳を保証するものではありません。
新しいコンテンツの翻訳は、およそ 1 ~ 2 週間で公開されます。

Communications Mining ガイド
最終更新日時 2026年3月18日
「検索」を使用してトレーニングする (改良)
「検索」は、モデルのトレーニング プロセスの一部として、出現頻度が低く、クラスターまたは/およびシャッフル モードで定期的に表示されないラベルに使用します。
ラベルのトレーニング例の初回分が最低限しかない場合は、特定のラベルについて 1 つ以上の用語の「検索」を控えめに使用します。これにより十分な例が与えられるため、「教える」が利用可能になります (例: そのラベルに関連する例の約半分を表示)。
注:
「検索」アクションを使いすぎるとアノテーションの偏りが発生し、モデルはラベルの概念そのものが持つ幅広い文脈と変動性を理解するかわりに、ラベルの概念を特定の語句/フレーズに過剰に適合してしまう (過学習) 可能性があります。つまり、プラットフォームによって制限が設定されていない限り、検索を使いすぎる可能性があるということです。
[検証] で検索に関する推奨事項を使用する
[検証] ページで [検索] の推奨事項を使用するには、以下の手順を実行します。
-
[検証] タブに移動します。

-
推奨事項の 1 つを選択すると、[ 発見 ] ページにリダイレクトされます。

-
検索対象のラベルに関連する語句や表現を検索します。
注:アノテーション バイアスを回避するため、検索機能を使用してすべてのラベルに慎重に例を適用してください。
-
ラベルを追加し、[ラベルを適用] を選択してメッセージに一括でアノテーションを行います。

注:不完全なアノテーションを行うことを避けるため、検索時には、関連する他のラベルもすべてメッセージに適用するようにしてください。
注:
[探索] タブでの検索の使用方法について理解を深めるには、「「検索を使用してトレーニングする (探索)」をご覧ください。