- Introdução
- Configurando sua conta
- Balanceamento
- Clusters
- Desvio de conceito
- Cobertura
- Conjuntos de dados
- Campos gerais
- Rótulos (previsões, níveis de confiança, hierarquia do rótulo e sentimento do rótulo)
- Modelos
- Transmissões
- Classificação do Modelo
- Projetos
- Precisão
- Lembrar
- Mensagens anotadas e não anotadas
- Campos de extração
- Fontes
- Taxonomias
- Treinamento
- Previsões positivos e negativos verdadeiros e falsos
- Validação
- Mensagens
- Controle de acesso e administração
- Gerencie origens e conjuntos de dados
- Entender a estrutura de dados e permissões
- Criando ou excluindo uma origem de dados na GUI
- Preparando dados para carregamento de .CSV
- Carregar um arquivo CSV para uma origem
- Criação de um conjunto de dados
- Origens e conjuntos de dados multilíngues
- Habilitando o sentimento em um conjunto de dados
- Como corrigir as configurações do conjunto de dados
- Excluindo uma mensagem
- Exclusão de um conjunto de dados
- Exportação de um conjunto de dados
- Usando integrações do Exchange
- Treinamento e manutenção do modelo
- Noções Básicas sobre rótulos, campos gerais e metadados
- Hierarquia de rótulos e práticas recomendadas
- Comparação de casos de uso de análise e automação
- Transformando seus objetivos em rótulos
- Visão geral do processo de treinamento do modelo
- Anotação generativa
- Status do conjunto de dados
- Treinamento de modelos e práticas recomendadas de anotação
- Treinamento com análise de sentimento de rótulo habilitada
- Compreensão dos requisitos de dados
- Treinamento
- Introdução ao Refine
- Precisão e recall explicados
- Precisão e recall
- Como a validação funciona
- Compreender e melhorar o desempenho do modelo
- Motivos para baixa precisão média do rótulo
- 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
- Visão geral
- Uso de relatórios
- Filtragem de relatórios
- Autopilot™ para Communications Mining - Filtros de conversa (pré-visualização)
- Monitoramento
- Automations e Communications Mining™
- Desenvolvedor
- Carregamento de dados
- Baixando dados
- Integração do Exchange com usuário do serviço do Azure
- Integração do Exchange com Autenticação de Aplicativo do Azure
- Integração do Exchange com Autenticação de aplicativo e gráfico do Azure
- Guia de migração: Exchange Web Services (EWS) para a API do Microsoft Graph
- Como buscar dados para o Tableau com o Python
- Integração do Elasticsearch
- Extração de campo geral
- Integração auto-hospedada do Exchange
- Framework de automação da UiPath®
- Atividades oficiais da UiPath®
- Como as máquinas aprendem a entender as palavras: um guia para incorporações ao NLP
- Aprendizado baseado em solicitação com Transformers
- Efficient Transformers II: extração de conhecimento e ajustes finos
- Transformers eficientes I: mecanismos de atenção
- Modelagem de intenção hierárquica profunda não supervisionada: obtenção de valor sem dados de treinamento
- Corrigindo viés de anotação com o Communications Mining™
- Aprendizado ativo: melhores modelos de ML em menos tempo
- Está tudo nos números - avaliando o desempenho do modelo com métricas
- Por que a validação de modelos é importante
- Comparação do Communications Mining™ e do Google AutoML para inteligência de dados de conversa
- Licenciamento
- Perguntas frequentes e mais
Guia do usuário do Communications Mining
Autopilot™ para Communications Mining - Filtros de conversa (pré-visualização)
Essa funcionalidade está em visualização pública e usa IA generativa para interpretar suas consultas e aplicar o conjunto correto de filtros.
Visão geral
O filtro de conversas é um recurso do Autopilot para o Communications Mining que ajuda você a obter as respostas de que precisa mais rapidamente.
Ele transforma as consultas em linguagem natural no conjunto de filtros necessários para respondê-las. Se você não tiver certeza de quais filtros precisa para responder uma pergunta ou como aplicá-los corretamente, ele faz o trabalho pesado para você. Isso ajuda você a obter o melhor das análises no Communications Mining, com o mínimo de experiência.
Habilitação de filtros de conversa
Os filtros de conversa estão disponíveis para todos os usuários que têm a alternância Usar recursos de IA generativa habilitada nas configurações do conjunto de dados. A alternância normalmente é habilitada na criação do conjunto de dados.
Usando filtros de conversa
Para usar filtros de conversa, siga estas etapas:
-
Digite uma consulta, como Mostrar mensagens transacionais e pressione Enter.
-
Aguarde até que o Communications Mining entenda a consulta, mapeie-a para o conjunto correto de filtros e aplique-os para você.
-
O filtro gera uma resposta. A resposta confirma quantos filtros foram identificados na mensagem e quantos foram aplicados com sucesso. Isso ajuda a identificar se uma consulta foi parcialmente bem-sucedida e permite que você edite a consulta, se necessário, ou aplique manualmente quaisquer filtros restantes.
Se uma solicitação tiver sido parcialmente bem-sucedida, um dos valores na consulta provavelmente não pôde ser identificado e pode não estar presente no conjunto de dados.
Se você precisar editar a consulta para refina-la, ajuste as palavras e pressione Enter novamente. Ele limpa automaticamente os filtros aplicados atualmente e, em seguida, aplica o conjunto de filtros identificados na consulta.
Essa funcionalidade mapeia os filtros para quaisquer propriedades para as mensagens no conjunto de dados. Os filtros de conversa só mudam da exibição de Mensagem para a exibição de Threads enquanto estiver em Relatórios. A visualização de threads não está disponível no Explorar, pois as mensagens já aparecem no contexto da sua thread.
Quais consultas usar
Essa funcionalidade funciona com todas as propriedades de filtro disponíveis com as quais você pode aplicar filtros manualmente. Quanto mais clara você tornar a intenção da consulta, mais fácil será combiná-la ao conjunto de filtros disponíveis.
Exemplos:
- A partir de um período de tempo específico: mostre-me mensagens de
[insert time period]. - De um remetente ou domínio de remetente específico: mostre-me mensagens de
[insert email / email domain]. - Mensagens versus threads:
- Enquanto estiver em Relatórios, você pode fazer com que ela alterne da exibição de Mensagens para a exibição de Threads adicionando threads ou mostrando-me de conversas à sua consulta.
- Da mesma forma, para retornar à visualização de Mensagens , adicione mostre-me mensagens ou mostre-me emails.
- Descoberta de oportunidades:
- Mostre-me mensagens transacionais - têm threads curtas (2 a 4 mensagens) e podem ser as principais candidatas para automação.
- Mostre-me solicitações que contêm documentos aceitos pelo Document Understanding - esses podem ser candidatos para processamento com o downstream do Document Understanding.
- Mostre-me mensagens mostrando níveis de serviço muito ruins ou muito ruins – se você tiver a Qualidade do serviço habilitada e configurada, isso ajuda a identificar mensagens e rótulos problemáticos.
Solução de problemas
Se o filtro não reconhecer a solicitação ou a solicitação atingir o tempo limite, uma mensagem de erro será exibida.
Se uma solicitação não foi bem-sucedida, os valores na consulta provavelmente não eram identificáveis e podem não estar presentes no conjunto de dados.
Edite a consulta, verifique se há erros de digitação ou erros e tente novamente.