- 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
- Create or delete a data source in the GUI
- Carregar um arquivo CSV para uma origem
- Preparando dados para carregamento de .CSV
- 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
- 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)
- Status do conjunto de dados
- Treinamento de modelos e práticas recomendadas de anotação
- Treinamento com análise de sentimento de rótulo habilitada
- Compreensão dos requisitos de dados
- 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
Guia do usuário do Communications Mining
Explorar
Permissões de usuário necessárias: "View Sources" E "View Labels".
A página Explorar permite que você pesquise, revise e filtre um conjunto de dados para inspecionar e revisar mensagens individuais e campos gerais. Você pode navegar pela página Explorar clicando em "Explorar" na barra de navegação superior.
Por padrão, o Explorar apresenta as 20 mensagens mais recentes de um conjunto de dados no modo "Recente ". Você pode clicar no seletor de modo suspenso no canto superior esquerdo da página para alterar essa configuração.
As diferentes opções que você pode selecionar no menu suspenso são:
- Recentes – exibir as 20 mensagens mais recentes
- Aleatório – exibir 20 mensagens aleatórias
- Ensinar – mostre 20 mensagens que a plataforma não tem certeza sobre como anotar
- Baixa confiança - mostre 20 mensagens que não são bem cobertas por previsões informativas de rótulos
- Rebalancear - mostre 20 mensagens que estão sub-representadas pelos dados de treinamento em seu conjunto de dados
- Rótulo — veja 20 mensagens com o rótulo selecionado atribuído/previsto (esse é o modo padrão quando um rótulo é selecionado)
- Verificar rótulo – veja 20 mensagens que podem ter o rótulo selecionado aplicado incorretamente
- Rótulo ausente - veja 20 mensagens que podem estar sem o rótulo de seleção
Na parte inferior da página, você pode clicar para ir para a próxima página de 20 mensagens ou voltar para uma página anterior.
A barra de filtro no lado esquerdo da página (conforme mostrado abaixo) permite que você encontre grupos específicos de mensagens.
A partir dessa barra de filtro, você pode filtrar para:
- Intervalos de datas específicos (use datas exatas ou selecione opções como a última semana, mês, 90 dias ou ano)
- Mensagens revisadas ou não revisadas
- mensagens com previsões de sentimento positivos ou negativos (se o sentimento estiver habilitado no conjunto de dados)
- Adicione qualquer filtro com base nas propriedades de metadados associadas a suas mensagens (clique em "Adicionar um novo filtro")
- Filtrar para mensagens que tenham campos gerais específicos previstos ou atribuídos
- Filtrar para mensagens que têm (ou não têm) um rótulo específico ou combinação de rótulos previstos (consulte o artigo sobre Filtros de previsão avançados para obter mais detalhes)
Quando você clica em "Adicionar um novo filtro", o menu suspenso mostra uma lista completa de todos os filtros de propriedades disponíveis.
Elas são agrupadas naturalmente por categorias, e algumas são exclusivas do tipo de comunicação no conjunto de dados, por exemplo, email.
As categorias de propriedade nas quais as propriedades são agrupadas são:
- Origem — aparece apenas se houver mais de uma origem no conjunto de dados
- E- mail - são específicos para e-mails individuais, por exemplo, quem o enviou
- Tópicos - são específicos do email e estão relacionados às características dos threads de email
- Anexo - específico para mensagens (principalmente e-mails) com propriedades específicas de anexos.
- Usuário — todas as outras propriedades de metadados carregadas (e não derivadas pela plataforma) com cada mensagem
À esquerda de cada propriedade, um ícone indica o tipo da propriedade, seja um número ou string. Para propriedades de usuário de string, a plataforma fornece um exemplo de valor ao focalizar (veja abaixo).
Ao adicionar um filtro aos campos de metadados com um formato de string, você poderá escolher o que incluir ou excluir em sua seleção (conforme mostrado nos dois exemplos abaixo):
Se você adicionar um filtro aos campos de metadados com um formato numérico, você poderá selecionar valores mínimos ou máximos (conforme mostrado abaixo), para criar um intervalo de sua escolha:
Para remover um filtro aplicado, clique no ícone da lixeira que aparece ao passar o mouse sobre ele (conforme mostrado abaixo) ou selecione "Limpar tudo" na parte superior da barra do filtro para remover todos os filtros aplicados .
Você pode usar a barra do filtro de rótulos para filtrar mensagens que têm (ou não têm) rótulos específicos previstos, seja durante o Treinamento do modelo ou ao explorar e interpretar seus dados. Para ver como eles funcionam com mais detalhes, consulte o artigo sobre Filtros de previsão avançados aqui.
Você pode usar os botões na parte superior da barra de rótulos para filtrar entre a exibição de todas as mensagens, para aquelas que tiveram rótulos atribuídos a elas, ou aquelas com previsões (que não foram revisadas). Os ícones são mostrados abaixo e mudam de cor quando selecionados:
Selecionar mensagens que tenham rótulos atribuídos | |
Selecione mensagens com rótulos previstos |
Para desmarcar o filtro, basta clicar no botão novamente.
Se você não selecionar nenhum dos botões, mas filtrar para um rótulo, a plataforma filtrará todas as mensagens que tenham o rótulo fixado ou previsto, começando pelas mensagens revisadas primeiro.
A barra do filtro de rótulo e “+ Adicionar filtro de rótulo” permitem que você adicione uma combinação complexa ou filtros de inclusão e exclusão (ou seja, mostre-me mensagens com X e Y previstos, mas não Z). Para saber mais sobre como usá-los, consulte o artigo 'Filtros de previsão avançados' aqui.
Indicador de treinamento de mostrador vermelho:
- O indicador de mostrador vermelho de treinamento (consulte aqui para obter uma explicação) ao lado de alguns rótulos destaca aqueles que exigem mais exemplos de treinamento para a plataforma avaliar com precisão o desempenho do rótulo
- O ponto onde o círculo está completo indica quantos exemplos mais serão necessários. Quanto maior a seção vermelha, mais exemplos são necessários
- Depois que você tiver 25 exemplos anotados, o círculo vermelho desaparecerá (dependendo da complexidade do rótulo, no entanto, você pode precisar de mais exemplos para obter previsões precisas)
- Você deve revisar as mensagens para encontrar mais exemplos de treinamento.
Para conjuntos de dados que contêm e-mails, eles são exibidos mostrando o e-mail que corresponde à ordem de classificação selecionada (por exemplo, Ensinar Rótulo, Rótulo Perdido, etc.), mas com fácil acesso aos outros emails que estão no mesmo thread de email.
No exemplo abaixo, você pode ver que o e-mail classificado está em um thread de três e-mails, e esse é o terceiro e-mail no tópico.
Ao clicar no ícone de seta bidirecional abaixo do assunto, você pode expandir o thread de e-mail para mostrar visualizações parciais dos outros e-mails no tópico, conforme visto abaixo:
Se você clicar novamente em qualquer um dos e-mails parcialmente expandidos, eles serão totalmente expandidos como o e-mail original, conforme visto abaixo: