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
- 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
- Dados de chamadas e chat de treinamento
- 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 7 de out de 2025
Observação:
- You must have assigned the IXP Project Admin role as an Automation Cloud™ user, or the Sources admin and Edit messages permissions as a legacy user to upload CSV files into a source.
- Para mais detalhes sobre como carregar dados de um arquivo .csv, junto com mensagens de erro comuns, consulte Carregar um arquivo CSV em uma origem.
Antes de carregar dados no Communications Mining™, há alguns fatores que devem ser levados em consideração ao preparar os dados para a plataforma ser ingerida.
Importante: certifique-se de carregar um arquivo .csv não um arquivo do Excel.
Se você estiver abrindo o arquivo .csv no Excel e fazendo alterações, isso pode levar a problemas de formatação que podem afetar o processo de upload. Para evitar isso, faça atualizações diretamente dentro do arquivo .csv .
Além disso, verifique os itens listados na seguinte tabela antes de carregar seu arquivo .csv na plataforma. Isso ajuda a evitar erros ao carregar ou problemas de qualidade de dados que afetarão negativamente a qualidade do desempenho do modelo.
Item | Description |
Duplicar linhas | Ter os mesmos dados repetidos várias vezes ao longo da extração de dados. |
Cabeçalhos incompatíveis | Ter os cabeçalhos errados alinhados aos campos de dados errados. |
Linhas ou colunas suspensas | Não ter todos os dados contidos em linhas sequenciais. Por exemplo, ter todas as mensagens na Linha 1 a 10.000, mas ter uma linha com uma célula contendo dados na linha 19.999. |
Formatação de data inconsistente | Linhas diferentes com formatos de data inconsistentes. Por exemplo, ter várias mensagens no formato de data dos EUA e várias mensagens no formato de data da UE, todos no mesmo conjunto de dados, pois isso terá problemas de normalização downstream. |
Frases incoerentes | Essas frases contêm um conjunto de palavras sem uma estrutura sintática ou semântica clara.
Por exemplo:
|
Espaçamento inconsistente | Quando há um número irregular de espaços entre as palavras.
Por exemplo:
|
Interrupções em palavras | Quando há quebras no meio de uma palavra.
Por exemplo:
|
Codificação de caracteres incorreta | Quando os dados de texto não estão codificados corretamente, resultando em caracteres ilegíveis ou ilegíveis.
Por exemplo:
|
Mensagens em branco | Comunicações sem qualquer conteúdo incluído no assunto ou corpo. |
Mensagens com muitos erros de digitação | Dados de texto que contêm muitos erros ortográficos. |
Cabeçalhos / rodapés | Quando há cabeçalhos ou rodapés incluídos. Por exemplo, avisos de spam, avisos de verificação de vírus e assim por diante. |
Metadados incluídos no assunto/corpo em vez de como uma propriedade de metadados | Quando os metadados estão incluídos no assunto ou no corpo. Por exemplo:
|
Várias mensagens combinadas em uma mensagem | Quando várias mensagens que deveriam ter sido divididas em mensagens de thread separadas são combinadas em uma única comunicação. |