Práticas recomendadas e considerações

Não dividir palavras

O campo geral realçado deve abranger a palavra inteira (ou várias) em questão, não apenas parte dela. Não inclua espaços adicionais no final do campo.

Não revisar os campos parcialmente

Semelhante aos rótulos, não revise parcialmente seus campos geral e de extração.​

• Os campos gerais são revisados no nível do parágrafo, não no nível inteiro da mensagem. Quando você revisar um parágrafo quanto aos campos, revise todos os campos no parágrafo.

  Não confirmar um campo em um parágrafo onde você rotulou outros campos diz ao modelo que você não o considera um exemplo verdadeiro do campo previsto. Isso é refletido nas pontuações de validação e no desempenho geral do campo.

• Os campos de extração são revisados no nível da mensagem, não apenas no nível do parágrafo. Ao revisar uma mensagem inteira quanto aos campos, revise todos os campos na mensagem.

  Não confirmar um campo em uma mensagem onde você rotulou outros campos informa ao modelo que você não o considera um exemplo verdadeiro do campo previsto. Isso é refletido nas pontuações de validação e no desempenho do campo de extração.

  ​

Considerações sobre o nível do campo

Observação: As considerações no nível do campo e o desempenho da extração e rótulo são as coisas mais importantes a serem lembradas ao atribuir tanto campos gerais quanto de extração .

• Os campos globais não podem se sobrepor um ao outro ou a outro exemplo de si mesmo.
• Campos globais e campos de extração podem se sobrepor.
• Você pode usar o mesmo intervalo de texto quantas vezes forem necessárias para diferentes campos de extração​.
• Atualmente, não há visualização de normalização de campo geral no Communications Mining. Os campos que devem ser normalizados serão normalizados na resposta downstream. A normalização no Communications Mining estará disponível no modelo no futuro​.
• Se um rótulo filho tiver extrações nele, seu pai não herdará os exemplos de extração automaticamente. Para rótulos, seu pai herda automaticamente os exemplos de extração.

Desempenho da extração e do rótulo

• Fornecer exemplos de extração adicionais não melhora o desempenho de um rótulo. Para melhorar o desempenho de um rótulo, concentre-se no treinamento específico para rótulos.
• Melhorar o desempenho do rótulo permite aumentar a probabilidade de você capturar ocorrências onde um rótulo (e, posteriormente, suas extrações) deveriam ter sido previstos.

  Para melhorar o desempenho de suas extrações, forneça exemplos validados nas próprias extrações.