- 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
Validar e anotar extrações geradas
Forneça exemplos suficientes, para que o modelo possa fornecer estatísticas de validação. As estatísticas de validação ajudam a entender o desempenho das suas extrações. Além disso, permite que você ajuste suas extrações.
Examine os resultados e:
- Aceite as extrações se estiverem todas corretas.
- Corrija as extrações se houver alguma previsão incorreta.
- Marcar extrações como ausentes se elas não estiverem presentes na mensagem.
- Configure quaisquer campos adicionais, se houver algum que seja necessário para habilitar a automação de ponta a ponta.
Por que o ajuste fino é importante?
O ajuste fino permite que você use as anotações coletadas para melhorar o desempenho do modelo de extração.
Isso permite que você tome o modelo pronto para usar e aprimore o desempenho para seus casos de uso.
Quando você pode parar?
Pare depois que você fornecer pelo menos 25 exemplos de extrações de rótulos para o modelo usar no processo de validação. Verifique a validação e veja se o desempenho é suficiente ou se mais exemplos são necessários.
# | Descrição |
1 | Se todas as previsões de campo estiverem corretas, selecionar o botão Confirmar permite que você confirme que as anotações estão corretas, em massa. |
2 | Para adicionar ou modificar quaisquer campos que devem estar presentes na mensagem, selecione + ao lado da seção campo geral ou campo de extração. |
3 | Marcar esta caixa permite que você confirme se uma anotação de campo está correta, em um nível de extração. |
4 | Isso mostra qual ponto de dados foi previsto para um determinado campo.
Se a previsão estiver incorreta, selecionar o botão x permite que você ajuste o campo com a previsão correta. |
5 | Isso mostra a posição na mensagem em que um ou mais pontos de dados são previstos.
|
6 | Para adicionar ou modificar quaisquer campos, passe o mouse ao lado do botão + , no respectivo campo geral ou seção de campo de extração. |
7 | Para expandir os campos exibidos para Campos gerais ou Campos de extração específicos, selecione o botão suspenso . |
A imagem abaixo mostra como é a aparência de uma extração em seu estado não confirmado . No painel direito, a extração é marcada como não confirmada, e o realce no próprio texto tem uma cor mais clara.
A guia Extrações Train está em visualização pública.
Para validar suas extrações na aba Treinar, siga estas etapas:
- Vá para Treinar.
- Vá para Extração.
- Selecione a extração do rótulo que você deseja validar.
- Depois de selecionar a extração do rótulo que você deseja validar, confirme se a mensagem exibida é um exemplo aplicável do rótulo.
- Depois de aplicar todos os rótulos aplicáveis, selecione Próximo: Anotar campos.
- A validação de extrações na experiência da guia Train é semelhante à validação de extrações no Explore.
A principal diferença é que você pode ver as mensagens em lotes de treinamento.
- O botão Confirmar tudo e Avançar redireciona você para a próxima mensagem para anotar automaticamente.