ixp
latest
false
- 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
- 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
Última atualização 10 de nov de 2025
O pacote Atividades do Communications Mining permite que você consuma resultados dos streams do Communications Mining™. Neste tutorial, você pode ver um exemplo do processo de envio de faturas.
Você é orientado sobre como consumir um stream do Communications Mining, identificar solicitações de envio de faturas e baixar os anexos associados das comunicações.
- Resultados - Uma representação de uma comunicação que é retornada do stream do Communications Mining™. Os resultados contêm duas propriedades principais:
comment- contém todas as informações sobre a comunicação que foi carregada na plataforma, como: assunto, corpo e carimbo de data/hora da comunicação.prediction- contém o conjunto de previsões que são retornadas por essa comunicação. Dentro dessa propriedade, você pode encontrarextractionsefields.
- Extração - Uma previsão relacionada a uma instância específica de uma solicitação associada a um rótulo, como uma solicitação
Address Change, e os campos vinculados a essa solicitação: Linha de Endereço 1, Província/Cidade, CEP. Para cada rótulo, você pode prever várias extrações em cada mensagem. Cada extração tem umOccurrence Confidencee umExtraction Confidenceassociados. - Campo - Um ponto de dados extraído como um valor de uma mensagem.
Um campo pode ter os seguintes tipos:
- campo geral (não associado a nenhum rótulo).
- campo de extração (vinculado a um rótulo específico e obrigatório para processar solicitações associadas a esse rótulo).
- Confiança da ocorrência - O nível de confiança de um modelo sobre a presença de uma instância de extração específica. Por exemplo, quão certo o modelo está sobre uma segunda solicitação
Change of Addressna mensagem. - Confiança na extração - O nível de confiança de um modelo de que uma extração individual é extraída corretamente - ou seja, a extração é identificada corretamente e todos os campos são identificados corretamente e associados à extração correta.
- Limite - Cada previsão de rótulo retornada de um stream contém uma propriedade
thresholds. Esta propriedade contém a lista de limites que foram superados para a previsão determinada. Atualmente, o limite que você configura no stream é chamado destream.
Pré-requisitos
- Acesso ao Communications Mining™.
- Uma integração de exchange configurada e preenchendo uma origem.
- Um conjunto de dados treinado com base nessa origem.
- Um stream configurado nesse conjunto de dados treinado.
Siga as etapas abaixo para consumir
stream Results e obtain attachments.
Dentro de um projeto do Studio, arraste a atividade
Get Stream Results da biblioteca de atividades do Communications Mining™ e selecione seu stream.
Arraste um loop
For Each e comece a iterar o campo Results da saída da variável da atividade Get Stream Results.
Dentro do seu loop
For Each, adicione uma instrução If e verifique se a solicitação Invoice Submission foi detectada com a seguinte expressão: result.Prediction.ContainsLabelExtraction("Invoice Submission")Observação: você também pode acessar quaisquer valores de campo que você configurou para esse rótulo com a expressão
result.Prediction.GetLabelExtractions("Invoice Submission")(0).GetField("Invoice Date").
Arraste a atividade Get Attachment para a seção
Then de sua instrução if. Você pode recuperar a referência de anexo com a seguinte expressão: result.Comment.GetAttachmentsByType("application/pdf")(0).AttachmentReference.
Observação: essa expressão assume que existe pelo menos um anexo PDF. Verifique na produção se esse é o caso.
Agora você pode usar o anexo baixado e transmiti-lo do Document Understanding:
- Get Stream Results e Get Attachments
- Conceitos-chave
- Etapa 1 - Conecte-se ao seu stream
- Etapa 2 - Comece a fazer o loop dos resultados do seu stream
- Etapa 3 - Determine se o resultado é um Envio de Fatura
- Etapa 4 - Baixe a fatura anexada
- Etapa 5 - Passe o anexo para o Document Understanding
- Etapa 6 - Avance o stream
