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
- Uso de Análise e Monitoramento
- Automations e Communications Mining
- Perguntas frequentes e mais
Treinamento usando a Pesquisa (Explorar)
Guia do usuário do Communications Mining
Última atualização 18 de abr de 2024
Treinamento usando a Pesquisa (Explorar)
Permissão do usuário necessária: "Exibir origens" E "Revisão e rótulo".
Mesmo que o treinamento usando
Search
não seja uma das principais etapas descritas na fase Explorar do treinamento, ele ainda pode ser uma ferramenta de treinamento útil em qualquer ponto do processo de treinamento.
Treinamento usando a página Pesquisar (Descoberta) descreve como usar a ação
search
com moderação. Evite usá-la muito, pois ela pode influenciar o seu modelo.
Pesquise termos ou frases no Explorar da mesma forma que no Descubra.
Principais diferenças entre o uso de Search
em Explorar e Descoberta:
- No Explorar , você deve revisar e rotular os resultados da pesquisa individualmente, em vez de em massa, como no Discover.
- O Explorar fornece uma aproximação útil do número de mensagens que correspondem aos seus termos de pesquisa. Verifique o exemplo abaixo para pesquisar "cancelamento".
Pesquise alguns termos ou frases relevantes e verifique quantas correspondências aproximadas há no conjunto de dados. Use isso para estimar se você tem exemplos suficientes para um determinado rótulo.
Digite o termo da sua pesquisa na caixa de pesquisa, na parte superior direita da página:
Exemplo de consulta de pesquisa no Explore
Para usar
Search
na aba Treinar , como outra etapa da fase Explorar do treinamento:
- Clique na recomendação de pesquisa genérica em Treinar:
- Selecione o rótulo na lista de pesquisa:
- Revise as sugestões de pesquisa de rótulos baseadas no LLM.
- Adicione o termo da pesquisa e visualize os resultados (incluindo o número de correspondências aproximadas):
Observação: o lote tem seis resultados em uma página, com experiência típica de rotulagem do tipo Discover (em massa + individual).
- Após rotular as mensagens na página, clique em Concluído.
- um resumo das ações e opções do treinamento para
close
ou search for examples for a different label
, se o rótulo não atingir os critérios para não recomendar mais a pesquisa.