Conceitos básicos

Esta seção fornece uma visão geral dos principais conceitos da plataforma.

Para saber mais sobre a plataforma do ponto de vista do usuário final, consulte o guia do usuário do Communications Mining™.

Conceito	Description	Exemplo
Origem	No Communications Mining™, os dados são organizados em fontes ou fontes de dados. Normalmente, uma origem corresponde a um canal. Uma caixa de correio de email, os resultados de uma pesquisa ou um conjunto de avaliações de clientes são exemplos de dados que podem ser carregados no Communications Mining como uma origem de dados. Várias fontes podem ser combinadas para criar um modelo, portanto, é melhor optar pelo lado de várias fontes em vez de uma única fonte única.	O diagrama mostra dados de e-mail (Origem A, que contém e-mails individuais) e dados de avaliações de clientes (Origens B e C, que contêm avaliações individuais de clientes). Os dados de avaliação do cliente são divididos em duas origens com base na origem dos dados, mas serão combinados em um único conjunto de dados para fins de construção de um modelo comum.
Comentar	Dentro das origens, cada parte individual da comunicação de texto é representada como um comentário. Um comentário sempre terá um ID, carimbo de data/hora e corpo de texto, e campos adicionais com base no tipo de dados que ele representa. Por exemplo, os e-mails terão os campos de e-mail esperados, como De, Para, Cc e assim por diante.	The diagram shows how the available comment fields are used by the various comment types. For example, in an email comment the From field contains the sender address, while in a customer review comment it contains the review author. The metadata fields, shown at the bottom of each comment, are user-defined. Note how we use the same set of fields for both customer review sources: since we want to combine them into a single dataset, the data should be consistent in order to ensure good model performance.
Conjunto de dados	Um conjunto de dados permite anotar uma ou mais origens para criar um modelo. Uma origem pode ser incluída em vários conjuntos de dados. O conjunto de todos os rótulos em um conjunto de dados é chamado de taxonomia.	O diagrama mostra dois conjuntos de dados criados com base nos dados da caixa de suporte e um conjunto de dados que combina os dados de revisão do cliente. Observe que, embora o conjunto de dados 1 e o conjunto de dados 2 sejam baseados nos mesmos dados, a taxonomia de seus rótulos é diferente, porque seus casos de uso, ou seja, análise e automação, exigem conjuntos diferentes de rótulos.
Modelo	O modelo é atualizado continuamente à medida que os usuários anodam mais dados. Para receber previsões consistentes, o número da versão do modelo precisa ser especificado ao consultar o modelo.
Label	Os rótulos são aplicados ao treinar um modelo e são retornados ao consultar o modelo para previsões. Quando os rótulos são retornados como previsões, eles têm uma pontuação de confiança associada, que indica a probabilidade de o modelo acha que a previsão se aplica. Para converter a previsão em uma resposta Sim ou Não, a pontuação de confiança precisa ser verificada em relação a um limite, que é escolhido para representar uma compensação adequada de precisão/recall.	Os rótulos são atribuídos por usuários do Communications Mining ao treinar o modelo. A interface do usuário do Communications Mining ajuda o usuário a anotar os comentários mais relevantes, garantir que os rótulos sejam aplicados de forma consistente e que comentários suficientes sejam anotados para produzir um modelo de bom desempenho.