Anotação generativa

A Anotação generativa usa o endpoint do Microsoft Azure OpenAI para gerar rótulos sugeridos por IA para acelerar o design da taxonomia e as fases iniciais do treinamento do modelo, bem como reduzir o tempo para gerar valor para todos os casos de uso do Communications Mining™.

A anotação generativa inclui:

1. Sugestões de cluster - Rótulos novos ou existentes sugeridos para clusters com base em seus temas identificados.
2. Anotação assistida – Previsões automáticas para rótulos com base nos nomes ou descrições dos rótulos.

Usando a anotação generativa

As funcionalidades de anotação generativa são habilitadas automaticamente em conjuntos de dados, sem necessidade de nenhuma ação adicional.

Depois que um conjunto de dados é criado, as sugestões de cluster são geradas automaticamente dentro de um curto período de tempo. Se uma taxonomia tiver sido carregada, o que é altamente recomendado, o Communications Mining™ sugere rótulos existentes e novos para clusters.

Quando você carrega uma taxonomia para um conjunto de dados, isso também aciona automaticamente um modelo inicial para ser treinado sem dados de treinamento, usando apenas nomes e descrições de rótulos. Essa ação pode levar alguns minutos depois que a taxonomia é carregada.

• Para sugestões de cluster, acesse a guia Treinar e selecione um lote de clusters. Como alternativa, acesse a guia Descobrir e selecione o modo Cluster para começar a anotar.
• Para Anotação assistida, acesse a guia Treinar e siga as ações recomendadas. Como alternativa, acesse a guia Explorar e selecione o modo Aleatório ou Ensinar rótulo para começar a anotar.

Observação: essas funcionalidades não estarão disponíveis se sua organização tiver desabilitado os serviços do Azure OpenAI.

Usando sugestões de cluster

Observação: você deve ter atribuído a função IXP Model Trainer como um usuário do Automation Cloud™ ou a permissão Revisar e rotular como um usuário legado.

As sugestões de cluster aparecerão para cada página Cluster . Pode ser um ou vários rótulos sugeridos para cada cluster.

Se você tiver a análise de sentimento do rótulo habilitada, as sugestões de cluster terão um sentimento positivo ou negativo, que pode ser destacado em verde ou vermelho.

Para identificar um rótulo sugerido por IA, verifique a seguinte imagem:

Os treinadores de modelos devem revisar cada sugestão de cluster e executar uma das seguintes ações:

1. Aceite-o selecionando-o.
2. Atribua um novo rótulo se não concordarem com a sugestão feita.

Como as sugestões de cluster suportam o treinamento de modelos

As sugestões de clusters podem acelerar significativamente a primeira fase do processo de treinamento do modelo ao gerar automaticamente rótulos sugeridos para cada cluster. Também pode ajudar com o design da taxonomia, se os usuários estiverem com dificuldade para definir os conceitos que desejam treinar.

As sugestões de cluster são geradas com base no tema identificado compartilhado entre as mensagens dentro de um cluster.

A criação de clusters e a geração de sugestões de rótulos é um processo automático, completamente não supervisionado e sem necessidade de intervenção humana.

As sugestões de rótulos em clusters serão geradas com ou sem uma taxonomia pré-definida, mas as sugestões serão influenciadas e normalmente tornam-se mais úteis aproveitando rótulos importados ou existentes.

Uso da anotação assistida

Pré-requisitos:

• Você deve ter atribuído a função Treinador de modelos da Extração e Processamento Inteligente como um usuário do Automation Cloud™ ou a permissão Revisar e rotular como um usuário legado.
• Uma lista importada de nomes de rótulos.
• Opcionalmente, uma lista importada de descrições de rótulos é altamente recomendada. A plataforma usa descrições como uma entrada de treinamento para fazer previsões, portanto, certifique-se de ser claro e conciso ao descrever o conceito do rótulo.

Depois que o modelo inicial tiver treinado automaticamente usando nomes e descrições de rótulos como entrada de treinamento, as previsões aparecerão para muitas das mensagens no conjunto de dados.

Essas previsões funcionam exatamente da mesma maneira que funcionaram anteriormente, o que significa que elas são geradas sem nenhum dado de treinamento.

Se você tiver a Análise de sentimento do rótulo habilitada, as previsões iniciais terão um sentimento positivo ou negativo em diferentes toms de verde ou vermelho, dependendo do nível de confiança.

A Anotação assistida funciona em qualquer lote ou modo de treinamento, mas é mais eficaz para usar em Aleatório e Teach Label. Você deve seguir as etapas de anotação regulares em cada lote de treinamento nas guias Treinar ou Explorar .

Como a Anotação assistida suporta o treinamento do modelo

A anotação assistida pode acelerar significativamente a segunda fase do processo de treinamento do modelo, gerando automaticamente previsões para cada rótulo com contexto suficiente, sem a necessidade de exemplos de treinamento.

As previsões iniciais serão orientadas pela qualidade dos nomes de rótulos e descrições de linguagem natural, como nomes vagas podem levar a previsões vagas ou mínimas. Descrições detalhadas de rótulos podem aumentar o desempenho inicial do modelo.

À medida que você treina ainda mais seu conjunto de dados, a plataforma usa os nomes e as descrições dos rótulos e seus exemplos fixados para gerar previsões relevantes do rótulo.

Eles continuarão melhorando com mais treinamento e, por fim, contarão apenas com exemplos de treinamento anotados quando o suficiente tiver sido fornecido.

A Anotação assistida ainda requer aprendizado supervisionado aceitando ou rejeitando as previsões, mas acelera a parte mais demorada do treinamento do modelo fornecendo previsões melhores com zero ou muito poucos exemplos fixados.