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
- 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 20 de out de 2025
Observação:
- Você deve ter atribuído a função Administrador de projetos de Extração e Processamento Inteligente como um usuário do Automation Cloud™, ou as permissões Administrador de origens e Editar mensagens como um usuário legado para carregar arquivos CSV em uma origem.
- For more details on how to upload data from a .csv, along with common error messages, check Uploading a CSV file into a source.
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. |