Práticas recomendadas e considerações

Não dividir palavras

O campo geral realçado deve cobrir toda a palavra, ou várias, em questão, não apenas parte dela. Não inclua espaços adicionais no final do campo.

Não revisar campos parcialmente

Semelhante aos rótulos, não revise parcialmente seus campos gerais e de extração.​

• Os campos gerais são revisados no nível do parágrafo, não no nível inteiro da mensagem. Quando você revisar um parágrafo para campos, revise todos os campos no parágrafo. Não confirmar um campo em um parágrafo onde você rotulou outros campos informa ao modelo que você não o considera um exemplo verdadeiro do campo previsto. Isso é refletido nas pontuações de validação e no desempenho do campo geral.
• Os campos de extração são revisados no nível da mensagem, não apenas no nível do parágrafo. Quando você revisar uma mensagem inteira em busca de campos, revise todos os campos na mensagem. Não confirmar um campo em uma mensagem onde você rotulou outros campos informa ao modelo que você não o considera um exemplo verdadeiro do campo previsto. Isso é refletido nas pontuações de validação e no desempenho dos campos de extração. ​

Considerações sobre o nível do campo

Observação:

As considerações no nível do campo e a extração e o desempenho do rótulo são as coisas mais importantes a serem lembradas ao atribuir campos gerais e de extração.

• Os campos globais não podem se sobrepor entre si ou com outro exemplo dele.
• Os campos globais e os campos de extração podem se sobrepor.
• Você pode usar o mesmo período de texto quantas vezes forem necessárias por diferentes campos de extração.
• Atualmente não há visualização de normalização de campo geral no Communications Mining™. Os campos que devem ser normalizados serão normalizados na resposta downstream. A normalização no Communications Mining estará disponível no modelo no futuro.
• Se um rótulo filho tiver extrações, seu pai não herdará os exemplos de extração automaticamente. Para rótulos, seu pai herda automaticamente os exemplos de extração.

Desempenho da extração e do rótulo

• Fornecer exemplos de extração adicionais não melhora o desempenho de um rótulo. Para melhorar o desempenho de um rótulo, concentre-se no treinamento específico do rótulo.
• Melhorar o desempenho do rótulo permite aumentar a probabilidade de você capturar ocorrências onde um rótulo e, posteriormente, suas extrações deveriam ter sido previstos. Para melhorar o desempenho de suas extrações, forneça exemplos validados nas próprias extrações.