communications-mining
latest
false
Importante :
Este conteúdo foi traduzido com auxílio de tradução automática.
Guia do usuário do Communications Mining
Last updated 3 de out de 2024

Treinamento usando Ensinar Rótulo (Explorar)

Permissões de usuário necessárias: "Exibir Origens" E "Revisar e anotar".

Observação: o "Ensinar Rótulo" é um modo de treinamento apenas para anotar mensagens não revisadas e, dessa forma, o filtro revisado está desabilitado nesse modo.

Introdução ao uso de "Ensinar Rótulo"

"Ensinar" é a segunda etapa na fase Explorar e seu propósito é mostrar previsões para um rótulo em que o modelo fica mais confuso se ele se aplica ou não. Como nas etapas anteriores, precisamos confirmar se a previsão está correta ou incorreta e, ao fazê-lo, fornecer ao modelo sinais forte de treinamento. É o modo de treinamento específico de rótulos mais importante.

Principais etapas



  1. Selecione Ensinar no menu suspenso superior esquerdo, conforme mostrado
  2. Selecione o rótulo que deseja treinar - a seleção padrão no modo de aprendizado é mostrar mensagens não revisadas
  3. Você receberá uma seleção de mensagens em que o modelo fica mais confuso sobre se o rótulo selecionado foi aplicado ou não. Revise as previsões e aplique o rótulo se estiverem corretas ou aplique outros rótulos se estiverem incorretos.
    • As previsões variarão entre ~50% para dados sem sentimento e 66% para dados com sentimento habilitado
    • Lembre-se de aplicar todos os outros rótulos aplicáveis, bem como o rótulo específico em que você está se concentrando

Você deve usar este modo de treinamento conforme necessário para aumentar o número de exemplos de treinamento para cada rótulo para mais de 25, em que a plataforma pode estimar com precisão o desempenho do rótulo.

O número de exemplos necessários para que cada rótulo tenha um bom desempenho dependerá de vários fatores. Na fase "Refinar", abordamos como entender e melhorar o desempenho de cada rótulo.

A plataforma recomenda regularmente o uso de "Ensinar Rótulo" como um meio de melhorar o desempenho de rótulos específicos, fornecendo exemplos de treinamento mais variados que podem ser usados para identificar outras instâncias no seu conjunto de dados em que o rótulo deve ser aplicado.

O que fazer quando o número de exemplos de Ensinar é insuficiente?

Após Descobrir e Aleatório, podemos descobrir que alguns rótulos ainda têm muito poucos exemplos, e onde o modo "Ensinar Rótulo" não revela exemplos úteis de treinamento. Nesse caso, sugerimos usar os seguintes modos de treinamento para fornecer à plataforma mais exemplos para aprender:

O "Ensinar" não gera exemplos de treinamento suficientesdocs image

Opção 1 - "Pesquisar"

A pesquisa de termos ou frases no Explorar funciona da mesma forma que a pesquisa no Descubra. Uma de duas diferenças importantes é que em Explorar você deve revisar e anotar os resultados da pesquisa individualmente, em vez de em massa. É possível pesquisar no Explorar, simplesmente digitando o termo da sua pesquisa na caixa de pesquisa na parte superior esquerda da página.

Acessando “Pesquisar” no Explorar

No entanto, muita pesquisa pode influenciar seu modelo, o que é algo que queremos evitar. Adicione não mais do que 10 exemplos por rótulo neste modo de treinamento para evitar viés de anotação. Também é importante dar um tempo para a plataforma se retreinar antes de voltar para o modo "Ensinar".

Para mais informações sobre como usar a Pesquisa no Explorar, clique aqui.

Opção 2 - "Rótulo"

Embora o treinamento usando o "Rótulo" não seja uma das principais etapas descritas na fase de Exploração, ele ainda pode ser útil nesta fase do treinamento. No modo Rótulo, a plataforma mostra mensagens em que esse rótulo é previsto em ordem decrescente de confiança (ou seja, com as previsões mais confiáveis primeiro e as menos confiáveis na parte inferior).

Acessando o modo de treinamento "Rótulo" no Explorardocs image

No entanto, só é útil revisar as previsões que não são de alta confiança (90%+). Isso ocorre porque quando o modelo é muito confiável (ou seja, acima de 90%), então, ao confirmar a previsão, você não está dizendo ao modelo nenhuma informação nova, e ele já tem certeza de que o rótulo se aplica. Procure exemplos menos confiáveis mais abaixo na página, se necessário. Embora, se as previsões tiverem grandes confianças e estiverem erradas, seja importante aplicar o(s) rótulo(s) correto(s), rejeitando assim a(s) previsão(s) incorreta(s).

Dicas úteis

  • Se, para um rótulo, houver várias maneiras diferentes de dizer a mesma coisa (por exemplo, A, B ou C), certifique-se de fornecer exemplos de treinamento da plataforma para cada maneira de dizer isso. Se você fornecer 30 exemplos de A e apenas alguns de B e C, o modelo terá dificuldade em selecionar futuros exemplos de B ou C para esse rótulo.
  • Adicionar um novo rótulo a uma taxonomia madura pode significar que ele não foi aplicado a mensagens revisadas anteriormente. Então, isso requer voltar e treinar o modelo em novos rótulos, usando a função “Rótulo perdido”. Veja aqui como.

Esta página foi útil?

Obtenha a ajuda que você precisa
Aprendendo RPA - Cursos de automação
Fórum da comunidade da Uipath
Uipath Logo White
Confiança e segurança
© 2005-2024 UiPath. Todos os direitos reservados.