- Introdução
- Balanceamento
- Clusters
- Desvio de conceito
- Cobertura
- Conjuntos de dados
- Campos gerais (anteriormente entidades)
- Rótulos (previsões, níveis de confiança, hierarquia etc.)
- Modelos
- Transmissões
- Classificação do Modelo
- Projetos
- Precisão
- Lembrar
- Mensagens revisadas e não revisadas
- Fontes
- Taxonomias
- Treinamento
- Previsões positivos e negativos verdadeiros e falsos
- Validação
- Mensagens
- Administração
- Gerencie origens e conjuntos de dados
- Entender a estrutura de dados e permissões
- Crie uma origem de dados na GUI
- Carregar um arquivo CSV para uma origem
- Criar um conjunto de dados
- Origens e conjuntos de dados multilíngues
- Habilitando o sentimento em um conjunto de dados
- Corrigir configurações de conjunto de dados
- Excluir mensagens por meio da interface do usuário
- Excluir um conjunto de dados
- Exportar um conjunto de dados
- Usando integrações do Exchange
- Preparando dados para carregamento de .CSV
- Treinamento e manutenção do modelo
- Noções Básicas sobre rótulos, campos gerais e metadados
- Hierarquia de rótulo e práticas recomendadas
- Definição dos seus objetivos de taxonomia
- Casos de uso de análise versus automação
- Transformando seus objetivos em rótulos
- Criação da sua estrutura taxonômica
- Práticas recomendadas de design de taxonomia
- Importando sua taxonomia
- Visão geral do processo de treinamento do modelo
- Anotação Generativa (Novo)
- Entendendo o status do seu conjunto de dados
- Treinamento de modelos e práticas recomendadas de anotação
- Treinamento com análise de sentimento de rótulo habilitada
- Treinamento
- Introdução ao Refine
- Precisão e recall explicados
- Precisão e recall
- Como funciona a Validação?
- Compreender e melhorar o desempenho do modelo
- Por que um rótulo pode ter uma precisão média baixa?
- Treinamento usando Check label e Perda de rótulo
- Treinamento usando Ensinar rótulo (Refinar)
- Treinamento usando a Pesquisa (Refinamento)
- Noções Básicas e Aumentando a Cobertura
- Melhorando o balanceamento e usando o Rebalanceamento
- Quando parar de treinar seu modelo
- Uso dos campos gerais
- Extração generativa
- Uso de análise e monitoramento
- Automations e Communications Mining
- Informações de licenciamento
- Perguntas frequentes e mais
Excluir mensagens por meio da interface do usuário
Permissões do usuário necessárias: "Editar mensagens".
Pode haver casos em que mensagens foram carregadas para origens que você pode não querer na plataforma. Isso pode ocorrer porque:
- A mensagem foi corrompida de alguma forma e não pode ser usada
- A mensagem contém informações confidenciais que não devem ser compartilhadas
- A mensagem não adiciona nenhum valor ao conjunto de dados
Seja qual for o motivo, você pode excluir mensagens de uma origem na IU por meio de um conjunto de dados que contém essa origem. Esse recurso também está disponível por meio da API (consulte aqui).
Observação: excluir uma mensagem de uma origem enquanto está em um conjunto de dados removerá essa mensagem de qualquer outro conjunto de dados que contenha essa origem, portanto , não tome essa ação de imediato. A mensagem pode estar funcionando como dados de treinamento em outro conjunto de dados e a remoção dela afetaria o modelo nesse conjunto de dados. Se uma mensagem em uma origem não adicionar valor para seu caso de uso, confirme se ela não está fornecendo valor para outros conjuntos de dados antes de excluí-la. A página origens fornece uma indicação de outros conjuntos de dados que estão conectados à origem em questão.
Para excluir uma mensagem, basta clicar no botão Excluir no canto inferior direito da mensagem , conforme mostrado abaixo. Este botão só aparecerá se você tiver a permissão necessária para "Editar mensagens".
Em seguida, você receberá um aviso e uma solicitação de confirmação , conforme mostrado abaixo. Se quiser continuar apesar do aviso, clique em 'Excluir'.
