communications-mining
latest
false
- 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
Importante :
Este conteúdo foi traduzido com auxílio de tradução automática.
Guia do usuário do Communications Mining
Last updated 3 de out de 2024
Geração de suas extrações
Observação: Pré-requisitos. Escolha um rótulo que não tenha indicadores de desempenho/avisos e esteja em um nível de precisão/recall adequado para seu caso de uso.
- O processo de Validação da extração é necessário para entender o desempenho dessas extrações por meio da Validação.
Decida a extração em que deseja treinar. Usamos Relatório > Extrato de Contas como um exemplo de um esquema que queremos treinar.
Para automatizar este processo, extraia os seguintes pontos de dados para inserir em um sistema downstream:
Observação: isso é aplicável apenas se você estiver treinando no Explore. No Train, clicar em um lote de treinamento de extração pré-carrega as extrações.Use este modo de treinamento conforme necessário para aumentar o número de exemplos de treinamento para cada extração (ou seja, um conjunto de campos atribuídos a um rótulo) para pelo menos 25, permitindo que o modelo estime com precisão o desempenho da extração.
- Acesse Explorar e depois Rótulo e selecione o rótulo no qual deseja gerar extrações.
- Selecione Prever extrações. Prever extrações gera extrações por página no Explorar, (ou seja, aplica previsões em todos os comentários em uma determinada página).
Observação: cada vez que você passar para a próxima página, será necessário selecionar Prever extrações novamente.
Também é possível gerar extrações em um nível de comentário individual . Selecione Anotar campos e então o ícone Prever extrações .
O que acontece quando você prevê extrações?
- O modelo usa modelos generativos e mapeia cada um dos pontos de dados que você definiu anteriormente (em nosso esquema de extração), para relaciona-los com uma intenção (rótulo).
- Ele os extrai e os retorna em um esquema estruturado, para um SME passar e confirmar.
- O esquema estruturado é destinado a habilitar automações mais complexas e é estruturado no formato JSON na API para consumo por qualquer automação downstream.
- Após fazer as previsões de extração, se o modelo selecionar extrações de campo no comentário, ele destacará o período relevante no texto (se aplicável). O modelo exibe o valor extraído no lado direito da tela. Consulte a página Validando e anotando extrações para saber como validar os valores previstos.
