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
Treinamento usando a Pesquisa (Refinamento)
Importante :
Este conteúdo foi traduzido com auxílio de tradução automática.
Guia do usuário do Communications Mining
Last updated 19 de nov de 2024
Treinamento usando a Pesquisa (Refinamento)
Use a ação
Search
como parte do processo de treinamento do modelo para rótulos que ocorrem com menos frequência e não aparecem regularmente em clusters e/ou no modo aleatório.
Se houver exemplos mínimos de treinamento inicial para um rótulo, você pode usar
Search
com moderação para um ou mais termos, para um determinado rótulo. Isso fornece exemplos suficientes para que a açãoTeach
esteja disponível (por exemplo, exibindo cerca de metade dos exemplos relevantes para esse rótulo).
Observação: usar a ação
Search
em excesso pode levar a um viés de anotação e ajustar a compreensão do modelo de um conceito de rótulo em termos/frases específicos, em vez de entender o contexto mais amplo e a variabilidade do próprio conceito. Isso significa que você pode fazer uso excessivo da pesquisa, a menos que a plataforma forneça proteções.
- Vá para Validação.
- Selecione uma das recomendações.
Você é redirecionado para a página Descobrir assim que selecionar uma recomendação.
-
Pesquise termos ou expressões relacionadas ao rótulo que você está pesquisando.
Observação: aplique exemplos com moderação usando a pesquisa de qualquer rótulo para evitar viés de anotação. - Adicione um rótulo e, em seguida, clique no botão Aplicar rótulos para anotar mensagens em massa:
Atenção: lembre-se de aplicar também todos os outros rótulos relevantes às mensagens durante a pesquisa, para evitar anotações parciais.
Observação: consulte o treinamento usando Pesquisar (Explorar) para entender melhor como usar
Search
na guia Treinar .