- 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
Revisão de previsões de rótulos
Permissões de usuário necessárias: "Exibir Origens" E "Revisar e anotar".
Após a fase Descoberta, o modelo começará a fazer previsões para muitos dos rótulos em sua taxonomia.
O objetivo da fase Explorar é revisar as previsões para cada rótulo, confirmando se estão corretas e corrigindo onde não estão — e, assim, fornecendo muito mais exemplos de treinamento para o modelo.
Há duas ações principais ao revisar as previsões do rótulo:
- Quando as previsões estiverem corretas, você deve confirmá-las/aceitá-las simplesmente clicando nelas
- Quando estiverem incorretos, você deve descartá-los/ignorá-los ou, então, adicionar o(s) rótulo(s) correto(s) que se aplicam. Para adicionar um rótulo diferente, clique no botão “+” e digite-o. Esta é a maneira de corrigir previsões erradas, adicionando a correta e não clicando em rótulos previstos incorretamente
As imagens abaixo mostram como as previsões aparecem no Communications Mining para dados com e sem sentimento. Passar o mouse sobre o rótulo também mostrará a confiança que o modelo tem na aplicação do rótulo específico.
A transparência do rótulo previsto fornece um indicador visual da confiança do modelo. Quanto mais escura a cor, maior a confiança e vice-versa:
Para excluir um rótulo aplicado por engano, passe o mouse sobre ele e um “X” aparecerá. Clique aqui para remover o rótulo.