- 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
- Carregar um arquivo CSV para uma origem
- Preparando dados para carregamento de .CSV
- 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
A Extração Generativa (GenEx) é uma nova funcionalidade inovadora para o UiPath® Communications Mining™ que aproveita a IA generativa para entender as complexas relações entre várias solicitações e os pontos de dados necessários para processá-las.
Um email pode conter várias solicitações, com cada uma exigindo vários campos extraídos para habilitar a automação. A automação disso de ponta a ponta requer mais do que apenas extrair corretamente o campo em si, mas também uma compreensão de como cada um desses elementos está relacionado entre si. A GenEx avança significativamente no escopo do que é possível fazer para a automação baseada em comunicações.
A extração generativa aproveita o que há de mais recente em recursos de NLP e também fornece as proteções necessárias para que as empresas implementem automações complexas baseadas em comunicação para processos de negócios.
Processos e comunicações mais complexos, contendo várias solicitações diferentes, agora também podem ser principais candidatos para automação.
Para alguns casos de uso, as extrações podem ser geradas sem nenhum treinamento e podem ser ajustadas ainda mais com poucos dados de treinamento.
- Reconhece relacionamentos - A extração generativa ajuda a identificar a relação entre diferentes conceitos e pontos de dados em comunicações. Por exemplo, identificar para uma solicitação de alteração de endereço de política, o número da política que precisa ser atualizada, o endereço antigo e o novo endereço para atualizá-lo.
- Usa modelos generativos - Usa modelos de linguagem generativa de última geração (LLMs) para prever intenções específicas e mapear cada um dos pontos de dados relacionados a elas, extraindo-os em um esquema estruturado para automação — tudo com o mínimo de treinamento.
- Automatiza várias solicitações - isso permite a automação de várias solicitações em uma única comunicação — seja a mesma solicitação repetida para diferentes pontos de dados ou vários tipos de solicitação diferentes, cada um com seu próprio esquema de pontos de dados necessários para processamento automatizado.
As etapas a seguir descrevem o processo fim a fim da validação de extrações. Cada etapa é abordada com mais detalhes nas seções subsequentes.
- Defina seu esquema de extração:
- Identifique quais processos, ou seja, os rótulos, que você deseja automatizar, e os pontos de dados, ou seja, os campos, que precisam ser capturados para habilitar a automação.
- Crie o esquema de extração correspondente.
- Gerar extrações:
- A geração de extrações permite que você acelere significativamente o processo de localização e relacionamento de dados. Para alguns casos de uso, a plataforma não requer exemplos de treinamento para gerar suas extrações.
- Use os recursos generativos da plataforma para criar suas extrações iniciais.
- Validar e corrigir extrações:
- Revise as extrações da plataforma e aceite-as se estiverem corretas, ou corrija-as se não estiverem.
- A plataforma é flexível e fácil, e você pode adicionar novos esquemas de extração em qualquer momento durante o processo de treinamento.
- Revise a validação das extrações:
- Verifique o desempenho das suas extrações na aba Validação .
- Determine se suas extrações estão em um nível de desempenho adequado para seu caso de uso.
Fluxo de trabalho de extração generativo
Ao configurar seu esquema de extração, você precisa decidir quais processos, ou seja, quais rótulos, você deseja automatizar.
Para que a plataforma entenda a relação entre o processo e quais pontos de dados precisam ser extraídos, a plataforma solicita que você forneça os pontos de dados apropriados. A seção Como configurar campos entra em mais detalhes sobre as práticas recomendadas e como isso funciona especificamente.
