- 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
- Carregar um arquivo CSV para uma origem
- Preparando dados para carregamento de .CSV
- 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
- Dados de chamadas e chat de treinamento
- 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
- 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
- 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
Operação Faturável
Será cobrado 1 AI Unit ou 0,2 Platform Units por comentário criado ou por comentário atualizado (com base em seu ID exclusivo) se o texto tiver sido modificado.
A CLI permite carregar comentários (incluindo comentários pré-anotados) em lote. Além de importar dados para o Communications Mining™ nos casos em que uma conexão ao vivo não é necessária, ela pode ser usada para carregar dados de treinamento pré-existentes no Communications Mining ou para substituir comentários ou rótulos existentes no Communications Mining.
A CLI espera dados no formato JSONL (também chamado de JSON delimitado por novas linhas), onde cada linha é um valor JSON. Muitas ferramentas poderão exportar arquivos JSONL pré-configurados. Entre em contato com o suporte se tiver alguma dúvida.
Cada linha no arquivo JSONL representa um objeto de comentário. Cada objeto de comentário deve ter pelo menos um ID exclusivo, um carimbo de data/hora e uma parte do texto, mas pode ter outros campos, como metadados. Para saber quais campos definir para seus dados, verifique a Referência do comentário.
Cada linha do arquivo JSONL deve ter o seguinte formato (apenas os campos obrigatórios são mostrados). (Observe que isso é mostrado com recuo para legibilidade, mas deve estar tudo em uma linha em seu arquivo.)
{
"comment": {
"id": "<unique id>",
"timestamp": "<timestamp>",
"messages": [
{
"body": {
"text": "<text of the comment>"
}
}
]
}
}
{
"comment": {
"id": "<unique id>",
"timestamp": "<timestamp>",
"messages": [
{
"body": {
"text": "<text of the comment>"
}
}
]
}
}
Se você quiser carregar rótulos ao lado de comentários, você pode incluí-los assim (Igual ao mencionado anteriormente, isso é mostrado com recuo para legibilidade, mas deve estar tudo em uma linha em seu arquivo):
{
"comment": {
"id": "<unique id>",
"timestamp": "<timestamp>",
"messages": [
{
"body": {
"text": "<text of the comment>"
}
}
]
},
"labelling": {
"assigned": [
{
"name": "<Your Label Name>",
"sentiment": "<positive|negative>"
},
{
"name": "<Another Label Name>",
"sentiment": "<positive|negative>"
}
]
}
}
{
"comment": {
"id": "<unique id>",
"timestamp": "<timestamp>",
"messages": [
{
"body": {
"text": "<text of the comment>"
}
}
]
},
"labelling": {
"assigned": [
{
"name": "<Your Label Name>",
"sentiment": "<positive|negative>"
},
{
"name": "<Another Label Name>",
"sentiment": "<positive|negative>"
}
]
}
}
Carregamento de comentários
O comando a seguir carregará comentários para a origem especificada. Recomendamos carregar comentários em uma nova origem vazia, pois isso facilita a reversão se algo der errado — você apenas exclui a origem.
re create comments \
--source <project_name/source_name> \
--file <file_name.jsonl>
re create comments \
--source <project_name/source_name> \
--file <file_name.jsonl>
--overwrite
. Os comentários serão substituídos com base no campo comment.id
. Recomendamos que você faça uma cópia de backup da origem antes de atualizar comentários para poder recuperar os comentários originais se algo der errado.
Carregamento de comentários com rótulos
Se você quiser carregar rótulos com seus comentários, especifique um conjunto de dados no qual os rótulos serão carregados. O conjunto de dados deve estar conectado à origem antes de você iniciar o carregamento.
re create comments \
--source <project_name/source_name> \
--dataset <project_name/dataset_name> \
--file <file_name.jsonl>
re create comments \
--source <project_name/source_name> \
--dataset <project_name/dataset_name> \
--file <file_name.jsonl>
--overwrite
. Observe que isso substituirá os rótulos existentes por novos (não adicionará rótulos existentes a novos rótulos). Recomendamos que você faça uma cópia de backup do conjunto de dados antes de substituir rótulos, para poder recuperar os rótulos originais se algo der errado.