- 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
- Visão geral
- Treinamento usando clusters
- Treinamento usando a Pesquisa
- 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
- Permissões necessárias para usuários do Automation Cloud:
- Origem — leia para exibir as mensagens.
- Conjunto de dados - Leia para visualizar rótulos.
- Conjunto de dados - Revise para aplicar rótulos.
- Permissões necessárias para usuários legados:
- Exiba origens para exibir as mensagens.
- Exibir rótulos para exibir rótulos.
- Revise e anote para aplicar rótulos.
Depois que seus dados estiverem na plataforma, a plataforma agrupará e exibirá 30 clusters de comunicações (mensagens) que ela acredita que compartilham conceitos ou intenções semelhantes. O objetivo desta parte do processo de treinamento é passar por cada um desses clusters e anotar os dados apresentados em cada um deles.
Esse processo torna o treinamento do modelo mais fácil e rápido para começar, pois você pode adicionar rótulos a várias mensagens semelhantes de uma só vez, bem como adicionar ou remover rótulos a mensagens individuais, conforme necessário.
- Não perca muito tempo pensando no nome do rótulo. Você pode renomear um rótulo a qualquer momento durante o processo de treinamento.
- Seja o mais específico possível ao nomear um rótulo e mantenha a taxonomia o mais simples possível inicialmente, o que significa não adicionar muitos rótulos filhos. É melhor ser o mais específico possível com o nome do seu rótulo desde o início, pois você sempre poderá alterar e reestruturar a hierarquia posteriormente. Nesta fase, você deve adicionar o maior número possível de rótulos a uma mensagem, pois sempre pode voltar e excluí-los mais tarde, o que é mais rápido e fácil do que expandir um rótulo existente.
- É mais fácil criar uma taxonomia mais específica e mais refinada na primeira instância. Se a taxonomia for muito detalhada, é fácil editar e refinar sua taxonomia posteriormente. Isso significa adicionar mais em vez de menos rótulos e sub-rótulos.
- É bom começar com rótulos em uma hierarquia simples, o que significa não adicionar muitos sub-rótulos. Você sempre pode reestruturar a taxonomia para uma estrutura mais hierárquica posteriormente.
- Cada mensagem pode ter vários rótulos atribuídos a ela. Certifique-se de aplicar todos os rótulos relevantes, caso contrário, você ensina o modelo a não associá-lo ao rótulo que você omitiu.
- É melhor reservar um tempo para anotar cuidadosamente agora, para que a máquina possa prever rótulos de forma rápida e precisa no futuro.
- Nem todos os clusters terão intenções Obviamente semelhantes, e você pode seguir em frente se forem todos diferentes.
Quando você cria pela primeira vez um novo conjunto de dados, você pode achar que a página Descobrir está vazia, conforme mostrado na imagem a seguir. Isso pode acontecer porque os algoritmos da plataforma estão ocupados trabalhando em segundo plano para agrupar suas mensagens em clusters. Dependendo do número de mensagens na origem de dados, isso pode levar algumas horas para ser processado.
Você pode encontrar na imagem a seguir o layout do Discover, bem como um exemplo de um cluster. Na imagem, a plataforma detectou que essas mensagens compartilham o tema comum do conforto das camadas de quarto de quarto:
Layout explicado:
A- Botão de alternância para alternar entre o cluster e o modo de Pesquisa .B- Menu suspenso que permite alternar entre diferentes clusters.C- Botão para aplicar um rótulo a todas as mensagens exibidas na página.D- Uma das 6 mensagens exibidas do cluster de número 7, onde cada cluster contém 12 mensagens.E- Botão para aplicar um rótulo a uma mensagem individual.F- Menu suspenso para ajustar o número de mensagens exibidas na página, entre 6 e 12.G— Botões para ajustar e reverter a seleção de mensagens na página.H- Botão para desmarcar uma mensagem para excluí-la dos rótulos adicionados em massa.
Conforme descrito na imagem a seguir, o Discover destaca as partes de uma mensagem que mais contribuem para que essa mensagem seja incluída no cluster, ajudando você a identificar os temas comuns mais rapidamente:
- As linhas mais esquerdas indicam partes mais importantes do intervalo. Passe o mouse sobre ela para obter mais detalhes.
- As linhas coloridos mais claras indicam uma contribuição média e ligeiramente mais fraca para o cluster.
- Revise cada mensagem no cluster
- Se você acha que há um rótulo que se aplica a todas as mensagens na página, selecione Adicionar rótulo.
- Insira o nome do rótulo e pressione Enter ou selecione o botão fixar que aparece. O botão fixar permite adicionar vários rótulos de uma só vez se você inserir o nome de outro rótulo e selecionar o botão fixar novamente.
4. Selecione Aplicar rótulos para atribuir os rótulos às mensagens. Os rótulos atribuídos aparecem em todos os cartões de mensagem na página Descobrir .
Como alternativa, você pode adicionar um rótulo a mensagens individuais selecionando Adicionar rótulo + em um cartão de mensagem.
Se você quiser adicionar um rótulo a um grupo de mensagens na página, mas quiser excluir uma ou mais, você pode desmarcá-las usando o botão de alternância. Verifique o destaque A na imagem a seguir. Então, você pode reverter a seleção, ou desmarcar, ou remarcar, tudo usando os botões no destaque B da imagem a seguir.
- A - Visualize páginas diferentes do mesmo cluster selecionando os números das páginas ou as setas.
- B - Ajuste o número de mensagens por página usando a lista suspensa Por página .
- C - Depois que o cluster for anotado, continue com um novo cluster usando a lista suspensa Cluster # .
O modelo apresentará 30 clusters. Certifique-se de trabalhar com eles para criar uma base sólida para a fase Explorar . No entanto, se um cluster não for relevante para você, ignore-o.
