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，可以将该数据发送到Action Center以供人工验证。已验证的数据可用于重新训练模型，以提高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 的 Action 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. 将任务发送给人工进行审核。人工审核并完成任务后，任务对象将使用人工审核的输出进行更新。

4. 将任务对象转换为模型可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。

示例工作流将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 > 针对低置信度预测的人机回圈触发器 > 使用验证数据，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。