定义分类目标

在开始训练模型之前，请确保您了解如何处理分类，包括创建标签以及标签应捕获的内容。如果计划探索和实施自动化，则还应该定义要训练的关键数据点（通用字段）。

分类是应用于数据集中消息的所有标签的集合，以分层方式结构化。它还可以引用并包含数据集中启用的通用字段类型，尽管这些字段类型以扁平层次结构组织。

本节指的是标签分类。

定义分类目标

成功的用例主要依靠一组明确定义的目标来驱动。目标不仅可以确保每个人都朝着共同的目标努力，而且还可以帮助您决定要构建的模型类型，和塑造分类的结构。最终，您的目标将决定训练平台要预测的概念内容。

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. 我需要从数据中识别哪些意图或概念，才能推动我获得所需的自动化或见解？
2. 是否可以从消息的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准确且平衡的数据集表示。例如，涵盖系统自动向下游路由的所有请求类型。

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同时实现所有目标，因为这会导致训练和保持高性能变得非常困难。最简单的方法是从达到特定目的的分类开始，例如分析应用程序内客户反馈数据以了解产品功能请求和错误，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的用例与侧重于自动化的用例的文章将介绍不同类型目标的细分。