正在生成提取内容

通过选择标签并运行提取验证流程，在 Communications Mining 中生成并验证提取字段。

先决条件

备注：

选择一个没有性能指标或警告，并且具有适合您的用例的精度或召回级别的标签。

需要“提取验证”流程，以通过“验证”了解这些提取的性能。

决定要训练的提取。“报告” > “对账单”是要训练架构的示例。

要自动执行此流程，请提取以下数据点以输入到下游系统中：​

备注：

这仅适用于在“探索”中训练时。在训练中，选择加入提取训练批次会预加载提取内容。根据需要使用此训练模式，以将每次提取（即分配给标签的一组字段）的训练示例数量增加到至少 25 个。这使模型能够准确估计提取的性能。

重要提示：

如果您使用生成式提取 LLM，我们建议您在每个字段的 25 个示例后停止添加更多示例。这足以满足上下文关联的学习和验证的需求，更多示例不会提高性能。

步骤

要生成提取，请按照以下步骤继续操作：

1. 导航至探索选项卡。

2. 选择“标签” ，然后选择要在其上生成提取内容的标签。

   

3. 选择“预测提取” ，这将在“探索”中按页生成提取。这意味着它会将预测应用于给定页面上的所有注释。。

   备注：

   • 每次转到下一页时，您都需要再次选择“预测提取内容” 。
   • 当每页显示 10 条以上的消息时， “预测提取”按钮将被禁用。

此外，您可以通过选择“注释字段” ，然后选择“预测提取”，在单个注释级别生成提取内容。有关更多详细信息，请参阅预测提取。

4. 进行提取预测后，如果模型从注释中选取了字段提取内容，则会在文本中突出显示相关跨度。模型在侧面板中显示提取的值。要了解如何验证预测值，请查看验证和批注生成的提取。

​

预测提取

本节介绍在预测提取时会发生的情况：

• 该模型使用生成式模型，会映射您先前在提取架构中定义的每个数据点，以将其与意图（即标签）相关联。
• 它提取这些内容并以结构化架构返回，以供 SME 检查和确认。
• 结构化架构旨在实现更复杂的自动化，并在 API 中以 JSON 格式进行结构化，以供任何下游自动化使用。