Status do conjunto de dados

Entendendo o status do seu conjunto de dados

Cada vez que você aplicar rótulos ou revisar campos gerais em seu conjunto de dados, seu modelo será retreinado e uma nova versão de modelo será criada. Para entender mais sobre o uso de diferentes versões do modelo, consulte aqui.

Quando o modelo é treinado novamente, ele leva as informações mais recentes que lhe foram fornecidas e recalcula todas as suas previsões em todo o conjunto de dados. Esse processo começa quando você inicia o treinamento e, muitas vezes, quando o Communications Mining termina a aplicação das previsões para uma versão do modelo, ele já está recalculando as previsões para uma versão de modelo mais recente. Quando você para de treinar após um período de tempo, o Communications Mining irá recuperar em breve e aplicar as previsões que refletem o treinamento mais recente concluído no conjunto de dados.

Esse processo pode levar algum tempo, dependendo da quantidade de treinamento concluído, do tamanho do conjunto de dados e do número de rótulos na taxonomia. O Communications Mining tem um recurso de status útil para ajudar os usuários a entender quando seu modelo está atualizado ou se está sendo retreinado e quanto tempo isso deve levar.

Quando você estiver em um conjunto de dados, um desses dois ícones na parte superior da página indicará seu status atual:

	Este ícone indica que o conjunto de dados está atualizado e que as previsões da versão mais recente do modelo foram aplicadas.
	Isso indica que o modelo está sendo retreinado e as previsões podem não estar atualizadas.

Se você passar o mouse sobre o ícone com o mouse, verá mais detalhes sobre o status, conforme mostrado abaixo:

Limite de status do conjunto de dados

Observação: às vezes, você pode notar que o Communications Mining está em processo de retreinamento, apesar de você não ter aplicado nenhum rótulo ou revisado nenhum campo geral, isso pode ser devido à nossa equipe ter implantado melhorias em nossa plataforma e nossos modelos que podem exigir que os modelos retreinar. Quaisquer automações que dependam de um número de versão de modelo específico não serão afetadas.

Solução de problemas de treinamento de modelos lentos

Por que meu modelo está treinando lentamente?

Para começar, é crucial diferenciar dois processos distintos que, muitas vezes, são confundidos:

1. Treinamento do modelo

   Esse processo envolve o retreinamento da versão do modelo atual para criar uma nova, incorporando quaisquer alterações recentes, como atualizações de taxonomia ou anotações de dados. O treinamento do modelo geralmente é rápido, embora a duração possa variar com base em vários fatores

2. Aplicando previsões

   Esse processo ocorre após o treinamento do modelo, no qual a plataforma recupera e aplica previsões da versão do modelo treinado a cada mensagem. A aplicação de previsões normalmente é mais lenta e a duração é influenciada principalmente pelo tamanho e complexidade do conjunto de dados.

Vários fatores podem contribuir para uma versão específica do modelo de um conjunto de dados levar mais tempo do que o esperado para treinar ou aplicar previsões. Elas incluem:

• Complexidade da taxonomia de rótulos e campos

  Impacto: quanto mais rótulos e campos em seu conjunto de dados, mais tempo leva para treinar o modelo e aplicar previsões em todas as mensagens.

• Uso de extração generativa

  Impacto: a extração generativa requer a compreensão de relações complexas entre rótulos e campos, necessitando de um modelo maior e mais poderoso, o que pode desacelerar o treinamento.

• Tamanho do seu conjunto de dados (dados anotados e não anotados)

  Impacto: grandes volumes de mensagens anotadas aumentam os pontos de dados que o modelo deve considerar durante o treinamento, estendendo o processo. Da mesma forma, grandes volumes de mensagens não anotadas podem estender o tempo necessário para aplicar previsões.

  Observação: as previsões são exibidas assim que ficam disponíveis, portanto, você não precisa esperar que elas terminem de ser aplicadas durante a anotação. A plataforma passará a aplicar previsões da versão mais recente do modelo treinado se treinar antes que as previsões da versão anterior estejam concluídas.
• Número de conjuntos de dados treinados simultaneamente

  Impacto: se vários modelos estiverem treinando simultaneamente em seu ambiente do Communications Mining, isso pode causar lentidão temporária conforme a plataforma balanceia a carga dos serviços necessários.

• Quando entrar em contato com o suporte
  • Treinamento: se nenhum dos motivos acima explicar a lentidão do treinamento e ele estiver em andamento por mais de 4 horas, entre em contato com o Suporte.
  • Aplicando Previsões: para conjuntos de dados grandes e complexos, espere que a aplicação de previsões leve um longo tempo. Entre em contato com o Suporte apenas se esse processo estiver ocorrendo por mais de 24 horas para uma única versão do modelo.
  Observação: isso não deve bloquear a anotação de dados, pois você sempre se beneficiará de novas previsões à medida que estiverem disponíveis

Por que meu modelo parece não estar treinando?

Se seu modelo não iniciar o treinamento dentro de uma hora após a conclusão de uma ação que deve acionar o treinamento (como anotar mensagens com rótulos ou campos), entre em contato com o Suporte.

Verificação do status de treinamento: você pode verificar se seu modelo está treinando verificando o status do conjunto de dados no canto superior direito de qualquer página dentro de um conjunto de dados