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
- 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

Communications Mining ガイド
最終更新日時 2025年10月20日
手記: Automation Cloud ユーザーとして [ソース] - [読み取り ] 権限と [データセット - 確認 ] 権限、またはレガシ ユーザーとして [ ソースの表示 ] 権限と [ 確認とアノテーション] 権限を割り当てている必要があります。
注: 「ラベルを教える」は、未確認のメッセージに対するアノテーションに特化したトレーニング モードであるため、このモードでは [確認済み] フィルターは無効化されます。確認済みのメッセージを対象とした「ラベルを教える」は、「ラベルを確認」トレーニング モードと「見逃されたラベル」トレーニング モードに分割されました。詳しくは、「[ラベルを確認] と [見逃されたラベル] を使用したトレーニング」をご覧ください。
正確に予測するのが難しいラベルがある場合、すでにピン留めされている例の一貫性に問題がなければ、より多様で一貫性のあるトレーニング例をモデルに提供しなければならない可能性があります。
このモードは、モデルの評価の要因の中で最も大きなメリットが得られるラベルに対する推奨されるアクションとして提案されるほか、[検証] で選択できる特定のラベルに対する推奨されるアクションで提案されます。
ラベルを適用するかどうかを予測するのが難しい場合にプラットフォームをトレーニングする最適な方法は、未確認のメッセージに対して「教える」を使用することです。
このモードでは、信頼度スコアが 50% 以上 (感情が有効化されたデータセットの場合は 66%) のラベルに対して予測が表示されるので、これらの予測を承認または修正すると、信頼度スコアが 90% 以上の予測を承認するよりもはるかに強力なトレーニング シグナルがモデルに送信されます。これにより、プラットフォームが以前は確信を持てなかった多様なトレーニング例を提供し、ラベルのパフォーマンスを素早く改善できます。
このモードでの実際のアノテーション プロセスについては、探索フェーズで説明します。詳しくは、「[ラベルを教える] を使用したトレーニング (探索)」をご覧ください。