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
- Preparando dados para carregamento de .CSV
- Carregar um arquivo CSV para uma origem
- 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 10 de nov de 2025
Observação: você deve ter atribuído as permissões Origem — Leitura e Conjunto de dados — Revisão como um usuário do Automation Cloud, ou as permissões Visualizar origens e Revisão e anotação como um usuário legado.
Mesmo que o treinamento por meio de Search não seja uma etapa principal na fase de Exploração , ele ainda pode servir como uma ferramenta de treinamento útil em qualquer estágio do processo de treinamento.
O treinamento usando Pesquisar na página Descobrir descreve como usar a ação de pesquisa com moderação. Evite usá-lo muito, pois pode tendencioso seu modelo.
Pesquise termos ou frases em Explorar da mesma forma que no Discover.
Comparação usando a pesquisa em Explorar e no Discover
- No Explorar , você deve revisar e anotar os resultados da pesquisa individualmente, em vez de em massa, como no Discover.
- Explorar fornece uma aproximação útil do número de mensagens que correspondem aos seus termos de pesquisa. Verifique o exemplo a seguir para pesquisar cancelamentos.
Pesquise alguns termos ou frases relevantes e verifique quantas correspondências aproximadas há no conjunto de dados. Use isso para estimar se você tem exemplos suficientes para um determinado rótulo.
Digite o termo de sua pesquisa na caixa de pesquisa, conforme mostrado na imagem a seguir:
Para usar a atividade Pesquisar na aba Treinamento , como mais uma etapa da fase Explorar do treinamento, proceda da seguinte forma:
- Selecione a recomendação de pesquisa genérica na guia Treinar :
- Selecione o rótulo na lista suspensa de pesquisa:
- Revise as sugestões de pesquisa de rótulos baseadas no LLM.
- Insira o termo da pesquisa e visualize os resultados, incluindo o número de correspondências aproximadas.
- Selecione Treinar estas mensagens ou pesquisar outro termo antes de prosseguir.
Observação: o Lote tem 6 resultados em uma página, com experiência de anotação semelhante ao Discover, em massa e individual.
- Depois de anotar as mensagens, selecione Concluído. Essa ação exibe uma janela pop-up informando que o lote de treinamento está concluído. Esta janela também inclui um resumo das ações de treinamento e opções para fechar ou pesquisar exemplos para um rótulo diferente, se o rótulo não atender aos critérios para não recomendar a pesquisa.
