定义分类目标

在开始训练模型之前，了解如何处理分类非常重要，包括创建标签及其应捕获的内容。 您还应该定义关键数据点（即 实体）。

分类是应用于数据集中消息的所有标签的集合，以分层方式构建。 它还可以引用并包含数据集中启用的实体类型，尽管这些实体类型是以扁平层次结构进行组织的。 本节提及标签分类。

定义分类目标

一个成功的用例主要是由一组明确定义的目标驱动的。 目标不仅可以确保每个人都朝着共同的目标努力，还可以帮助您决定要构建的模型类型，以及塑造分类结构。 最终，您的目标将决定训练平台以预测的概念。

分类可以用于实现自动化和/或分析目标。 在设计分类时，您需要问自己以下问题：

1. 为了推动我所需的自动化或见解的发展，我需要识别数据中的哪些意图或概念？
2. 是否可以仅从消息文本中识别所有这些概念？
3. 是否需要以特定方式构建某些概念，以促进特定操作？

总而言之，通过足够的训练，您的标签应在目标的上下文中创建数据集的准确且平衡的表示（例如 涵盖将自动路由到下游的所有请求类型）。

实现分类目标

您可能无法使用数据集中的单个分类来实现所有目标。 如果您想获得通信渠道广泛而详细的分析，同时将选定数量的入站请求类型自动分配到工作流队列中，则可能需要多个数据集来实现此目的。

通常最好不要尝试在一个杂乱无章的多用途分类中一次实现所有目标，因为这可能会导致训练和保持高性能变得非常困难。 最简单的做法是从用于特定目的的分类开始，例如 分析产品功能请求和错误的应用内客户反馈数据，或在运营团队收件箱中监控客户服务质量。

下一篇关于侧重于分析和自动化的用例的文章将详细介绍不同类型的目标。