使用“学习标签”进行训练 (探索)

所需的用户权限：“查看来源”和“审核并标记”。

注意： “学习标签”是一种训练模式，仅用于标记未审核的邮件，因此，在此模式下会禁用已审核筛选器。

“训练标签”使用简介

“学习”是“探索”阶段的第二步，其目的是无论是否适用，都在模型最容易混淆的情况下显示标签的预测。 与之前的步骤一样，我们需要确认预测是否正确，并以此为模型提供强有力的训练信号。 它是最重要的特定于标签的训练模式。

关键步骤

1. 从左上角的下拉菜单中选择“示教”，如图所示
2. 选择要训练的标签 - 示教模式下的默认选择是显示未审核消息
3. 系统将向您显示一系列消息，其中模型对于是否应用所选标签最为困惑 - 查看预测并在预测正确时应用标签，如果预测不正确则应用其他标签
   • 预测范围将向外扩展，即对于没有情感的数据，预测值约为 50％，对于启用了情感的数据，预测范围为 66％
   • 请记住应用所有其他适用的标签以及您关注的特定标签

您应根据需要使用此训练模式，将每个标签的训练示例数量增加到 25 个以上，以便平台准确评估标签的性能。

每个标签表现良好所需的示例数量取决于许多因素。 在“优化”阶段，我们将介绍如何了解和提高每个标签的性能。

该平台会定期建议使用“学习标签”作为提高特定标签性能的一种方法，方法是提供更加多样化的训练示例，使用这些示例来识别数据集中应应用标签的其他实例。

如果“传授”示例不足怎么办?

在“发现”和“随机播放”之后，我们可能会发现某些标签的示例仍然很少，并且“学习标签”模式不会显示有用的训练示例。 在这种情况下，我们建议使用以下训练模式，以便为平台提供更多可供学习的示例：

“训练”未生成足够的训练示例

选项 1 -“搜索”

在“探索”中搜索术语或短语的方式与在“发现”中搜索相同。 两个主要区别之一是，在“探索”中，您必须单独（而不是批量）查看和标记搜索结果。 您只需在页面左上方的搜索框中输入搜索词，即可在“探索”中进行搜索。

在“探索”中访问“搜索”

但是，过多的搜索会使您的模型产生偏差，这是我们希望避免的事情。 在此训练模式下，为每个标签添加不超过 10 个示例，以避免标签偏差。 在返回“示教”模式之前，为平台留出时间进行重新训练也很重要。

有关如何在“探索”中使用“搜索”的更多信息，请单击此处。

选项 2 -“标签”

尽管使用“标签”进行训练不是“探索”阶段列出的主要步骤，但它在此训练阶段仍然很有用。 在“标签模式”下，平台会按置信度降序向您显示预计会出现标签的消息（即，最有把握的预测在前，最不可靠的预测在后）。

在“探索”中访问“标签”训练模式

但是，它仅适用于审核可信度不高(90% 以上) 的预测。 这是因为当模型非常有信心时（即 高于 90％），那么确认预测后，您没有告诉模型任何新信息，模型已经确信标签已应用。 如有需要，请在页面下方查找可信度较低的示例。 但是，如果预测具有高可信度并且是错误的，则务必要应用正确的标签，从而拒绝不正确的预测。

实用提示

• 如果某个标签有多种不同的表达方式（例如 A、B 或 C），请确保为每种表达方式提供平台训练示例。 如果您为模型提供了 30 个 A 示例，而只提供了少量 B 和 C 示例，则模型将很难为该标签选取未来出现的 B 或 C 示例。
• 向成熟分类添加新标签可能意味着它没有应用于以前审核的邮件。 然后，这需要返回并使用“缺少标签”功能根据新标签训练模型 - 有关操作方法，请参阅此处。