Communications Mining
最新
False
- 入门指南
- 管理
- 管理来源和数据集
- 模型训练和维护
- 使用分析与监控
- 自动化和 Communications Mining
- 常见问题解答及更多内容
Communications Mining 用户指南
上次更新日期 2024年4月18日
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。
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:
- 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?
- 是否可以仅从消息文本中识别所有这些概念?
- 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)。