Origens e conjuntos de dados multilíngues

O Communications Mining™ suporta fontes e conjuntos de dados multilíngues . Isso significa que os modelos podem entender origens que contêm vários idiomas diferentes compatíveis, sem ter que efetivamente traduzi-los.

Os idiomas que estão atualmente em disponibilidade geral dentro de fontes e conjuntos de dados multilíngues são: inglês, francês, alemão, espanhol, italiano, português, Holandês e japonês.

Se os usuários trabalham e fazem negócios em vários idiomas suportados pela plataforma, eles podem treinar mensagens nesses idiomas, em vez de traduzir tudo para um único idioma.

Considerações importantes ao procurar usar origens e conjuntos de dados multilíngues:

• Se um conjunto de dados for multilíngue, os usuários não poderão ver as traduções de nenhuma mensagem (conforme fornecido para conjuntos de dados traduzidos), portanto, precisarão ser capazes de entender todos os idiomas no conjunto de dados para treinar seu modelo com eficácia.
• Entender vários idiomas é um problema de machine learning mais complexo do que entender um único idioma, portanto, esses conjuntos de dados podem sofrer uma pequena queda no desempenho em comparação com conjuntos de dados em um único idioma.
• A plataforma oferece suporte aos seguintes idiomas: inglês, francês, alemão, espanhol, italiano, português, Holandês e japonês. Se o conjunto de dados contiver outros idiomas, a aplicação de rótulos usados para idiomas compatíveis pode causar confusão. Em vez disso, anote essas instâncias com rótulos específicos do idioma. Observe que a plataforma não processará ou entenderá o conteúdo de idiomas não suportados.

Como criar origens e conjuntos de dados multilíngue?

Para origem de dados e conjuntos de dados, a família de idiomas é selecionada quando são criados e não pode ser alterada depois de o serem.

Basta selecionar multilíngue na lista suspensa da família de idiomas na origem de criação ou na criação modal do conjunto de dados (normalmente é a última configuração a selecionar).

Observação: conjuntos de dados multilíngues podem conter fontes de qualquer família de idiomas suportada pela plataforma.

Para obter mais detalhes sobre como criar uma origem na interface gráfica, consulte a página Criar uma origem de dados na GUI .

Para obter mais detalhes sobre a criação de um conjunto de dados, consulte a página Criar um novo conjunto de dados .

Idiomas de disponibilidade geral

• English
• Holandês
• Francês
• Alemão
• Italiano
• Japonês
• Português
• Espanhol

Idiomas suportados na pré-visualização

Observação:

Registre-se no Insider Portal para fornecer feedback ou levantar problemas.

Atualmente, oferecemos suporte a uma ampla gama de idiomas adicionais no modo de visualização. Isso significa que nossa equipe os refinará continuamente com base no seu uso. Espera-se que muitos desses idiomas tenham um desempenho muito bom e podem exigir um ajuste fino mínimo ou nenhum para alcançar um desempenho ideal.

• Africâner
• Albanês
• Amálico
• Árabe
• Armênio
• Assamês
• Azeri
• Basco
• Bielorrusso
• Bengalês
• Bengalês (romanizado)
• Bósnio
• Bretão
• Búlgaro
• Birmanês
• Birmanês
• Catalão
• Chinês (Simplificado)
• Chinês (Tradicional)
• Croata
• Checo
• Dinamarquês
• esperanto
• Estoniano
• Filipino
• Finlandês
• Galego
• Georgiano
• Grego
• Gujarati
• Hauçá
• Hebraico
• Hindi
• Hindi (romanizado)
• Húngaro
• Islandês
• Indonésio
• Irlandês
• Javanês
• Canarês
• Cazaque
• Action Center
• Coreano
• Curdo (Kurmanji)
• Quirguiz
• Laos
• Latim
• Letão
• Lituano
• Macedônio
• Malgaxe
• Malaio
• Malaiala
• Marata
• Mongol
• Nepalês
• Norueguês
• Oriá
• Oromo
• Pashto
• Persa
• Polonês
• Punjabi
• Romeno
• Russo
• Sânscrito
• Gaélico Escocês
• Sérvio
• Sindi
• Sinhala
• Eslovaco
• Esloveno
• somali
• Sundanês
• Suaíli
• Sueco
• Alemão Suíço
• Tamil
• Tâmil (romanizado)
• Telugu
• Télugo (romanizado)
• Tailandês
• Turco
• Ucraniano
• Urdu
• Urdu (romanizado)
• Uigure
• Usbeque
• Vietnamita
• Galês
• Frísico ocidental
• xhosa
• iídiche