ixp
latest
false
UiPath logo, featuring letters U and I in white

Guia do usuário do Communications Mining

Última atualização 20 de out de 2025

Visão geral

Principais etapas

A página Explorar tem vários modos de treinamento, e esta fase se concentra principalmente em três deles:

  • Aleatório — Mostra uma seleção aleatória de mensagens para os usuários anotarem. Certifique-se de concluir uma parte significativa do treinamento em Aleatório, para criar um conjunto de treinamento de exemplos que seja representativo do conjunto de dados mais amplo.
  • Ensinar - Usado para mensagens não revisadas. Assim que a plataforma fizer algumas previsões razoáveis para um rótulo, você poderá melhorar a capacidade de prever o rótulo para exemplos mais variados, revisando as mensagens no modo Teach padrão, que é para mensagens não revisadas. Isso mostrará mensagens em que a plataforma não tem certeza se o rótulo selecionado se aplica ou não.
  • Baixa confiança - Mostra mensagens que não são bem cobertas por previsões de rótulos informativos. Essas mensagens não terão previsões ou previsões de confiança muito baixa para rótulos que a plataforma entende como informativos.

Esta seção também abordará treinamento usando Pesquisar no Explorar, semelhante ao treinamento usando Pesquisar no Discover.

Ensinar, para mensagens revisadas, é outro modo de treinamento em Explorar. Para obter mais detalhes, consulte Como refinar modelos e usar a Validação.

Layout



O layout da imagem exibida anteriormente é explicado na tabela a seguir:

1Ajuste o intervalo de datas ou período das mensagens exibidas.
2Adicione vários outros filtros com base nos metadados das mensagens, por exemplo pontuação ou remetente.
3Adicione um filtro de campo geral.
4Alternar de todas as mensagens para mensagens revisadas ou não revisadas, também ajusta as contagens de rótulos fixados versus previstos.
5Adicione um filtro de rótulo.
6Pesquise rótulos específicos dentro da sua taxonomia.
7Adicione mais rótulos.
8Expanda os metadados da mensagem.
9Atualizar a consulta atual.
10Alterne entre diferentes modos de treinamento, como recente, aleatório, administrador e baixa confiança, e selecione o rótulo para classificar.
11Pesquise no conjunto de dados mensagens que contêm palavras ou frases específicas.
12Baixe todas as mensagens nesta página ou exporte o conjunto de dados com filtros aplicados como um arquivo CSV.

Quanto treinamento fazer para cada rótulo

O número de exemplos necessários para prever com precisão cada rótulo pode variar muito, dependendo da extensão ou especificidade de um conceito de rótulo.

Pode ser que um rótulo esteja normalmente associado a palavras, frases ou intenções muito específicas e facilmente identificáveis, e a plataforma seja capaz de prever isso de forma consistente com relação a poucos exemplos de treinamento. Também pode ser que um rótulo capture um tópico amplo com muitas variações diferentes de idioma que seriam associados a ele, caso em que pode exigir muito mais exemplos de treinamento para permitir que a plataforma identifique de forma consistente instâncias em que o rótulo deve ser aplicado.

Muitas vezes, a plataforma pode começar a fazer previsões para um rótulo com apenas cinco exemplos. Porém, para estimar com precisão o desempenho de um rótulo, ou seja, quão bem a plataforma é capaz de previ-lo, cada rótulo requer pelo menos 25 exemplos.

Ao anotar no Explore, os pequenos seletores vermelhos ao lado de cada rótulo indicam se mais exemplos são necessários para estimar com precisão o desempenho do rótulo. O mostrador começa a desaparecer à medida que você fornece mais exemplos de treinamento e desaparecerá completamente quando você atingir 25.



Isso não significa que, com 25 exemplos, a plataforma poderá prever com precisão cada rótulo, mas pelo menos poderá validar o quão bem pode prever cada rótulo e alertar você se um treinamento adicional for necessário.

Durante a fase Explorar, certifique-se de fornecer pelo menos 25 exemplos para todos os rótulos nos quais você está interessado, usando uma combinação das etapas mencionadas anteriormente, ou seja, principalmente Aleatório, e Ensinar e Não revisado.

Durante a fase Refinar, pode ficar claro que mais treinamento é necessário para certos rótulos melhorarem seu desempenho. Para obter mais detalhes, consulte Como refinar modelos e usar a Validação.

Avisos de desempenho do rótulo

No Explorar, quando você atingir 25 exemplos fixados para um rótulo, você poderá observar um dos seguintes indicadores de desempenho de rótulo no lugar do mostrador de treinamento:

  • O cinza é um indicador de que a plataforma está calculando o desempenho desse rótulo. Isso significa que ele será atualizado para desaparecer ou um círculo amarelo ou vermelho depois de calculado.
  • Chrome é um indicador de que o rótulo tem um desempenho um pouco abaixo do satisfatório e pode ser melhorado.
  • O vermelho é um indicador de que o rótulo está apresentando um desempenho ruim e precisa de treinamento adicional ou ações corretivas para melhorá-lo.
  • Se não houver nenhum círculo, o rótulo estará funcionando em um nível satisfatório, embora ainda possa precisar de melhorias, dependendo do caso de uso e dos níveis de precisão desejados.
  • Para entender mais sobre o desempenho do rótulo e como melhorá-lo, confira Entendendo e melhorando o desempenho do modelo.


Contagens de rótulos previstos x contagens de rótulos fixados

Se você selecionar o ícone de marcador, conforme mostrado nas imagens a seguir, na parte superior da barra de filtro do rótulo para filtrar as mensagens revisadas, você verá o número de mensagens revisadas que têm esse rótulo aplicado.

Se você selecionar o ícone de computador para filtrar mensagens não revisadas, será mostrado o número total de previsões para esse rótulo, que também inclui o número de exemplos revisados.

No Explorar, quando nem revisadas nem não revisadas estiverem selecionadas, a plataforma mostra o número total de mensagens fixadas para um rótulo como padrão. Em Relatórios, o padrão é mostrar o total previsto.

docs imagedocs image
Observação: o número previsto é uma agregação de todas as probabilidades que a plataforma calcula para esse rótulo. Por exemplo, duas mensagens com um nível de confiança de 50% seriam contadas como um rótulo previsto.

Dicas para usar o Explorar

  • O modelo pode fazer previsões com apenas algumas mensagens anotadas, embora, para que ele faça previsões confiáveis, você deve anotar no mínimo 25 mensagens por rótulo. Alguns exigem mais do que isso. Isso depende da complexidade dos dados, do rótulo e da consistência com a qual os rótulos foram aplicados.
  • Em Explorar, você também deve tentar encontrar mensagens em que o modelo previu um rótulo incorretamente. Você deve remover rótulos incorretos e aplicar os corretos. Esse processo ajuda a evitar que o modelo faça uma previsão incorreta semelhante no futuro
Importante: durante essa fase, você aplicará vários rótulos; portanto, certifique-se de aderir às principais práticas recomendadas de anotação de adicionar todos os rótulos aplicáveis. Você pode fazer isso aplicando os rótulos de forma consistente e anotando o que pode visualizar à sua frente.

Esta página foi útil?

Obtenha a ajuda que você precisa
Aprendendo RPA - Cursos de automação
Fórum da comunidade da Uipath
Uipath Logo
Confiança e segurança
© 2005-2025 UiPath. Todos os direitos reservados.