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
- 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
Práticas recomendadas de design de taxonomia
Importante :
Este conteúdo foi traduzido com auxílio de tradução automática.
Guia do usuário do Communications Mining
Last updated 3 de out 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.