- 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
Campos gerais (anteriormente entidades)
Entidades como eram conhecidas anteriormente agora são campos gerais, um dos dois tipos de campos no Communications Mining™.
Campos gerais não estão associados a um rótulo específico, enquanto os campos de extração estão. Esses campos de extração são previstos com base em seus rótulos vinculados.
Campos gerais são elementos adicionais de dados estruturados que podem ser extraídos de dentro das mensagens. Os campos gerais incluem dados como quantidades monetários, datas, códigos de moeda, organizações, pessoas, endereços de e-mail, URLs, além de muitas outras categorias específicas do setor.
A captura de tela abaixo mostra uma mensagem contendo três campos gerais previstos; duas quantidades monetários e um número de apólice:
Um exemplo de mensagem de e-mail enviada para uma caixa de correio de assinatura de seguro contendo campos gerais de dados estruturados: duas quantidades monetários e um número de apólice
Muito parecido com os rótulos, os campos gerais previstos podem ser aceitos, rejeitados ou atribuídos destacando uma string de texto e escolhendo o campo geral correto da lista no modal (consulte aqui como). Ambas as ações fornecerão sinais de treinamento para o modelo de extração de campo geral, o que melhorará sua compreensão desse tipo de campo geral.
Habilitar a extração de campo geral e selecionar os campos gerais para extrair são confirmados durante a criação do conjunto de dados ou por meio da seção de configurações na página Configurações do conjunto de dados.