多语言来源和数据集

Communications Mining™ 支持多语言源和数据集。这意味着模型可以理解包含多种不同受支持语言的来源，而无需实际翻译这些语言。

多语言来源和数据集中当前正式发布的语言包括：英语、法语、德语、西班牙语、意大利语、葡萄牙语、荷兰语和日语。

如果用户使用平台支持的多种语言工作和开展业务，则他们可以使用这些语言的消息进行训练，而不是将所有内容翻译成单一语言。

使用多语言来源和数据集时的重要注意事项：

如果数据集是多语言的，则用户将无法看到任何消息的翻译（如为翻译的数据集提供的那样），因此他们需要能够理解数据集中的所有语言，才能有效地训练模型。
理解多种语言是一个比理解单一语言更复杂的机器学习问题，因此与单一语言的数据集相比，这些数据集的性能可能会略有下降。
该平台支持以下语言：英语、法语、德语、西班牙语、意大利语、葡萄牙语、荷兰语和日语。如果数据集包含其他语言，则应用用于受支持语言的标签可能会导致混淆。相反，请使用特定于语言的标签来批注这些实例。请注意，平台不会处理或理解不支持的语言的内容。

如何创建多语言来源和数据集?

对于数据源和数据集，在创建时都会选择语言系列，并且一旦选择便无法更改。

只需从“创建源”或“创建数据集”模式下的语言系列下拉列表中选择“多语言”（通常是最后一个选择的设置）。

注意：多语言数据集可以包含平台支持的任何语族的源。

有关在用户界面中创建源的更多详细信息，请查看在 GUI 中创建数据源页面。

有关创建数据集的更多详细信息，请查看 “新建数据集”页面。