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
- Excluir uma origem
- 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)
- Status do 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
Práticas recomendadas de design de taxonomia
Importante :
Este conteúdo foi traduzido com auxílio de tradução automática.
Guia do usuário do Communications Mining
Last updated 19 de nov de 2024
Práticas recomendadas de design de taxonomia
Recomendamos seguir estas práticas recomendadas para estruturar sua taxonomia corretamente e garantir um alto desempenho do modelo:
- Alinhamento de objetivos: certifique-se de que cada rótulo atenda a um propósito de negócio específico e esteja alinhado aos seus objetivos definidos.
- Distinto: é importante que cada rótulo seja específico no que está tentando capturar e não se sobreponha com outros rótulos.
- Especificidade: evite usar conceitos amplos, vazios ou confusos, pois é mais provável que eles tenham um desempenho ruim e tenham menor probabilidade de gerar valor para os negócios. Se possível, tente dividir rótulos amplos em vários rótulos distintos. É melhor ser muito específico com rótulos inicialmente (ou seja, mais níveis de hierarquia) e mesclá-los mais tarde se necessário, em vez de ter que desmembrar rótulos muito amplos manualmente.
- Identificável: certifique-se de que cada rótulo seja claramente identificável no texto das mensagens às quais é aplicado.
- Rótulo pai: use um rótulo pai se você espera ter um número significativo de outros conceitos semelhantes relacionados a esse tópico mais amplo.
- Rótulo filho: certifique-se de que todo rótulo aninhado sob outro rótulo seja um subconjunto desse rótulo.
- Níveis de hierarquia: em geral, tente não adicionar mais de quatro níveis de hierarquia, pois o modelo torna-se cada vez mais complexo para treinar.
- Nome do rótulo: não perca muito tempo pensando no nome do rótulo perfeito, pois os rótulos podem sempre ser renomeados depois.
- Descrição do rótulo: adicione descrições de rótulo aos seus rótulos (acessando Rótulos e campos gerais em Configurações) para garantir a consistência da anotação, o que é particularmente útil se você tiver várias pessoas treinando o modelo.
- Não informativo: crie alguns rótulos que não adicionem valor, por exemplo, e-mails de agradecimento, para que você possa dizer à plataforma o que é ou não é importante analisar.