通过人机回圈使用数据标签

数据标签使您能够上传原始数据，在标签工具中为文本数据添加注释（用于分类或实体识别），以及使用带标签的数据来训练 ML 模型。 除此之外，您还可以使用数据标签对模型输出进行人工验证。

一种常见场景是训练提取程序或分类器模型。 当模型预测低于设置的置信度阈值时，这些数据可以发送到 Actions Center 进行人工验证。 经过验证的数据可用于重新训练模型，以提高对后续模型预测的置信度。

启用人工验证

1. 使用“ 等待外部任务，然后继续” 活动从 Studio 在 Actions Center 中创建任务。
2. 使用 “ 创建标签任务 ”和 “ 创建外部任务 ”活动将模型输出转换为与数据标签兼容的格式。
   数据标签支持使用 JSON 格式的文件。 JSON 文件应包含一个数据对象，该数据对象又包含在上一步中配置的结构。
3. 将任务发送给人工审核。
   人工审核并完成任务后， 任务对象 将更新为人工审核的输出。
4. 将 任务对象 转换为模型可以用作训练数据的格式。
5. 使用“上传文件”活动将经过验证的数据作为训练数据发送到 AI Center 数据集。
6. 使用上传的数据集启动管道运行。

示例工作流通过以下步骤完成整个人机回圈流程： 原始数据 > 数据标签 > ML 模型训练 > 部署 ML 技能 > 低置信度预测的人机回圈触发器 > 使用已验证的数据以提高模型性能。

您可以使用此示例工作流来测试人机回圈序列。 此示例工作流使用电子邮件 AI 模板解决方案。有关如何配置和使用电子邮件 AI 模板的更多信息，请查看配置电子邮件 AI页面。