- Introdução
- Balanceamento
- Clusters
- Desvio de conceito
- Cobertura
- Conjuntos de dados
- 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
- Gerenciar 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 upload de .CSV
- Treinamento e manutenção do modelo
- Noções Básicas sobre rótulos, entidades 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
- Práticas recomendadas de treinamento e rotulagem de modelos
- Treinamento com análise de sentimento de rótulo habilitada
- Treinamento
- Introdução a "Refinar"
- 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 "Missed label"
- Treinamento usando Ensinar rótulo (Refinar)
- Treinamento usando a Pesquisa (Refinamento)
- Noções Básicas e Aumentando a Cobertura
- Como melhorar o balanceamento e usar o 'Rebalance'
- Quando parar de treinar seu modelo
- Definição e configuração de suas entidades
- Noções Básicas sobre Entidades
- Quais entidades pré-treinadas estão disponíveis?
- Habilitar, desabilitar, atualizar e criar entidades
- Filtragem de entidades
- Revisar e aplicar entidades
- Validação para entidades
- Melhoria do desempenho de entidade
- Como criar entidades regex personalizadas
- Uso de Análise e Monitoramento
- Automations e Communications Mining
- Perguntas frequentes e mais
Revisar e aplicar entidades
Permissões do usuário necessárias: "Visualizar Origens" E "Revisão e rótulo".
As entidades prevista aparecem como texto realçado em cor, como na primeira linha da mensagem abaixo, com uma cor diferente aparecendo para cada tipo de entidade diferente. Após uma entidade ter sido confirmada por um usuário, seja aplicando-a manualmente ou aceitando uma previsão, a entidade aparecerá como texto destacado com um contorno em negrito e escuro, conforme mostrado abaixo.
Se um parágrafo tiver entidades atribuídas, descartadas ou aplicadas, ele aparecerá realçado em cinza, conforme mostrado no corpo da mensagem abaixo.
Ao revisar entidades treináveis, é importante lembrar que a plataforma aprenderá tanto com os valores de entidade que você atribuir, quanto com o contexto de onde aparecem dentro das comunicações, ou seja, a outra linguagem que é usada em torno dos próprios valores.
A plataforma considerará o contexto do idioma no mesmo parágrafo que o valor da entidade, bem como os parágrafos únicos (indicados por uma nova linha separada) diretamente antes e após o parágrafo em que a entidade se encontra.
Observação: para entidades que não estão definidas como 'treináveis', as previsões da plataforma se baseiam totalmente nas regras definidas dentro da plataforma para essa entidade. Isso pode ser beneficiado para quando uma entidade tem que seguir absolutamente um formato definido para uma automação downstream, com quaisquer valores incorretos causando uma falha ou exceção.
Ao prever quais entidades se aplicam a uma comunicação, ela atribui a cada previsão uma pontuação de confiança (%) para mostrar o quão confiável é de que a entidade se aplica ao período de texto destacado. Você pode exibir a pontuação de confiança de uma entidade passando o mouse sobre a entidade.
Essa pontuação de confiança também é disponibilizada por meio da API, para que possa informar ações automatizadas downstream.
Depois que as entidades estiverem habilitadas (veja aqui), a plataforma começará automaticamente a prevê-las dentro das mensagens em todo o seu conjunto de dados. Os usuários podem aceitar as previsões que estão corretas ou rejeitá-las quando estiverem incorretas. Cada uma dessas ações envia sinais de treinamento que serão usados para melhorar a compreensão da plataforma dessa entidade.
Para as entidades pré-treinadas que são treinadas offline (por exemplo, Quantidade monetário, URL, etc.), é mais importante, de uma perspectiva de melhoria, que os usuários rejeitem ou corrijam previsões erradas do que aceitem previsões corretas.
Para as entidades que treinam ao vivo na plataforma, é igualmente importante aceitar previsões corretas e rejeitar previsões incorretas. No entanto, você não precisa continuar aceitando muitos exemplos corretos de cada entidade exclusiva para esses tipos (por exemplo, é uma entidade de organização única) se você não estiver encontrando aqueles previstos incorretamente.
A principal advertência para isso é que, ao revisar qualquer entidade em um parágrafo, você precisa revisar todas as outras entidades nesse parágrafo.
Para revisar uma previsão de entidade, passe o mouse sobre a previsão e a janela modal de revisão de entidade será exibida, conforme mostrado no exemplo abaixo. Para aceitá-la, clique em "Confirmar". Para rejeitá-la, clique em "Ignorar".
Entidades e rótulos podem ser treinados de forma independente um do outro. Revisar rótulos para uma mensagem não significa que você precise revisar as entidades nessa mesma mensagem. No entanto, é uma boa prática fazer as duas coisas ao mesmo tempo, para usar mais eficientemente seu tempo durante o treinamento do modelo.
Observação: é muito importante ao treinar entidades para seguir as melhores práticas explicadas abaixo - particularmente no que diz respeito a não rotular parcialmente parágrafos.
Para entender o quão bem a plataforma é capaz de prever cada entidade habilitada para um conjunto de dados (particularmente as treináveis), consulte aqui.
É importante que você rejeite previsões incorretas de entidade, mas se o texto destacado for de fato uma entidade diferente (isso seria mais comum para entidades relacionadas a datas) você aplique a correta em seguida (veja abaixo sobre como aplicar entidades).
Para aplicar uma entidade a algum texto em que a plataforma pode não ter previsto, os usuários simplesmente precisam realçar a seção do teste como faria se fosse copiá-la.
Um menu suspenso aparecerá, conforme mostrado abaixo, contendo todas as entidades que você habilitou para seu conjunto de dados. Basta clicar no correto para aplicá-lo ou pressionar o atalho de teclado correspondente.
O atalho de teclado padrão para cada entidade é a letra que começa com. Se mais de uma entidade começar com a mesma letra, uma será atribuída aleatoriamente à outra.
Após uma entidade ser aplicada, ela será destacada em cores com um contorno em negrito (veja abaixo). Cada tipo de entidade terá sua própria cor específica.
O valor de um determinado tipo de entidade não pode ser dividido em vários parágrafos. O valor completo deve estar contido em um parágrafo para que seja extraído como um valor de entidade.
Há duas práticas recomendadas muito importantes a serem lembradas ao aceitar, rejeitar ou aplicar entidades em mensagens:
1. Não separe as palavras
É importante não dividir as palavras – a entidade destacada deve abranger a palavra inteira (ou várias) em questão, não apenas parte dela (veja o exemplo incorreto à esquerda abaixo, e o aplicativo correto à direita)
2. Não rotule parágrafos parcialmente
Ao rotular, se um usuário atribui um rótulo a uma mensagem, ele deve aplicar TODOS os rótulos que podem ser aplicados a essa mensagem, caso contrário, você ensina o modelo que esses outros rótulos não devem se aplicar. Para entidades, o mesmo é verdadeiro, exceto que as entidades são revisadas ou aplicadas no nível do parágrafo, em vez da mensagem inteira.
Os parágrafos em uma mensagem são separados por novas linhas. A linha de assunto de uma mensagem de e-mail é considerada seu próprio parágrafo único.
Certifique-se de revisar ou aplicar todas as entidades dentro de um parágrafo em todosos tipos de entidade se você revisar ou aplicar uma delas. Aplicar, aceitar ou rejeitar entidades em um parágrafo significa que o parágrafo é tratado como "revisado" pela plataforma de uma perspectiva da entidade. Portanto, é importante aceitar ou rejeitar TODAS as previsões nesse parágrafo.
O exemplo abaixo mostra os diferentes parágrafos que foram revisados na mensagem de email.
A mensagem exibida abaixo mostra o mesmo exemplo, em que o usuário não aceitou ou rejeitou todas as previsões da entidade em um único parágrafo. Isso está incorreto, pois o modelo tratará falsamente a entidade de quantidade monetário como uma previsão incorreta.