Communications Mining
Mais recente
falso
- 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
- Aplicando rótulos
- Revisão de mensagens
- Pesquisando mensagens
- Edição de rótulos
- Uso de Análise e Monitoramento
- Automations e Communications Mining
- Perguntas frequentes e mais
Guia do usuário do Communications Mining
Última atualização 18 de abr de 2024
Pesquisando mensagens
Permissões de usuário necessárias: "View Sources" E "View Labels".
Você pode usar a pesquisa em Explorar ou Descubra (alternando do modo de cluster através do menu suspenso) para pesquisar mensagens que contenham termos ou frases específicas. A plataforma destaca as ocorrências de seus termos de pesquisa dentro das mensagens (conforme mostrado abaixo).
Pesquisar em Explorar vs. Descoberta
- A principal diferença entre pesquisar no Discover e no Explore é que no Discover você pode rotular os resultados da pesquisa em massa (assim como na rotulagem de clusters), enquanto que no Explore você os rotula individualmente
- Entretanto, ao contrário do Descubra, o Explorar retorna um número total aproximado de mensagens que correspondem ao seu termo de pesquisa (conforme mostrado abaixo). Isso pode ser muito útil ao tentar avaliar quantos exemplos podem haver em seu conjunto de dados antes de criar um rótulo, se houver termos muito ligados ao conceito do rótulo
Exemplo de consulta de pesquisa no Explore
Exemplo de consulta de pesquisa no Discover
