- 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
- Visão geral
- Treinamento usando "Clusters"
- Treinamento usando "Pesquisar" (Descoberta)
- 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
Treinamento usando "Pesquisar" (Descoberta)
Permissões do usuário necessárias: "Visualizar Origens" E "Revisão e rótulo".
A funcionalidade “Pesquisar” no Discover é usada para pesquisar termos e frases-chave. Você pode pesquisar termos de pesquisa exatos e, se existirem, serão mostrados para você seguidos por correspondências parciais. Essa função pode ser usada para pesquisar termos alternativos e maneiras de expressar a mesma intenção ou conceito para cada rótulo. Isso pode ser útil se você souber de um termo ou expressão comum relevante que não apareceu em nenhum dos clusters até o momento e quiser fixar alguns exemplos.
A pesquisa não deve ser usada para aplicar um grande número de exemplos por termo de pesquisa e por rótulo - apenas alguns de cada.
Vamos analisar um exemplo. O cluster abaixo é claramente sobre a localização do propriedade, para onde um rótulo " Location" foi previsto. Se usarmos somente esse termo, ele poderá enviesar o modelo em relação às frases em torno da palavra " Location" ou algo semelhante. Portanto, deveremos usar a funcionalidade Pesquisar para encontrar maneiras alternativas de expressar isso:
Possíveis termos de pesquisa alternativos para "Location ":
- Localizado
- Prática
- Posição
- Proximidade
- Próximo
- Posição do hote
- Local para transporte
- Links de transporte
- Atrações informativas
- Perto do transporte
- Centro
- Perto do Aeroporto
- Perto do Aeroporto
Como pesquisar termos diferentes
O exemplo abaixo mostra como pesquisar termos alternativos para "Localização" destaca mensagens relacionadas à localização do propriedade, mas expressas de maneira diferente. Ao fazer isso, o modelo receberá diferentes exemplos de "Local".
Aplicando rótulos a resultados de pesquisa
- Selecione ' Pesquisar' no menu suspenso 'Cluster' na guia Descobrir
- Insira o termo da sua pesquisa e pressione Enter ou clique no ícone de pesquisa
- Os termos da pesquisa correspondentes aparecerão destacados em laranja. A plataforma mostrará correspondências completas, seguidas de correspondências parciais
- Adicione todos os rótulos que devem ser aplicados, não apenas os resultados de Pesquisa (por exemplo, Propriedade > Rótulo Funcionário no cluster acima)
- NÃO faça isso para um grande número de mensagens para cada rótulo
Você pode usar esse processo com moderação para cada rótulo que tenha maneiras variáveis de expressar o mesmo tópico. No entanto, existem outros métodos cobertos na fase Explorar que também ajudam a fornecer diferentes exemplos de treinamento, mas não têm o potencial de influenciar seu modelo.