生成式标注
在 Communications Mining 中配置生成式注释，以使用 Azure OpenAI 生成 AI 建议的标签，从而加快分类设计和早期模型训练。
生成式注释使用 Microsoft Azure OpenAI 端点生成 AI 建议的标签，以加快分类设计和模型训练的早期阶段，并缩短所有 Communications Mining™ 用例的价值实现时间。
生成式注释包括：
- 集群建议- 根据集群识别的主题为集群提供新标签或现有标签的建议。
- 辅助批注- 根据标签名称或说明自动预测标签。
使用生成式批注
系统会自动对数据集启用生成式注释功能，无需采取进一步的操作。
创建数据集后，系统会在短时间内自动生成集群建议。如果已上传分类（强烈建议这样做），Communications Mining™ 会为集群提供现有标签和新标签的建议。
当您将分类上传到数据集时，这也会自动触发不使用训练数据，仅使用标签名称和说明来训练初始模型。上传分类后，此操作可能需要几分钟。
- 对于“集群建议” ，转到“训练”选项卡，然后选择一个集群批次。或者，转到“发现”选项卡，然后选择“集群模式”以开始标注。
- 对于辅助批注，请转到“训练”选项卡，然后按照建议的操作进行操作。或者，转到“探索”选项卡，然后选择“随机播放”或“学习标签”模式，以开始注释。
备注：
These features are not available if your organization disabled the Azure OpenAI services.
使用集群建议
您必须以 Automation Cloud™ 用户的身份分配IXP Model Trainer角色，或以旧版用户分配“审核和标签”权限。
每个“集群”页面都将显示集群建议。这可以是为每个集群提供的一个或多个建议标签。
如果您启用了标签情感分析，则“集群建议”将包含积极或消极情感，并可以以绿色或红色高亮显示。
要识别 AI 建议的标签，请查看下图：
Model trainers should review each cluster suggestion, and perform one of the following:
- 选择它以接受它。
- 如果他们不同意给定的建议，请分配一个新标签。
集群建议如何支持模型训练
通过为每个集群自动生成建议标签，集群建议可以显着加快模型训练过程的第一阶段。如果用户难以定义他们要训练的概念，它还可以帮助进行分类设计。
集群建议是根据在集群中的消息之间共享的已识别主题生成的。
集群的创建和标签建议的生成是一个完全无监督的自动过程，无需人工输入。
在带有或不带有预定义分类的情况下生成集群上的标签建议，但建议会受到影响，并且通常会利用导入或现有的标签而变得更有用。
使用辅助注释
先决条件
- 您必须以 Automation Cloud™ 用户的身份分配IXP Model Trainer角色，或以旧版用户分配“审核和标签”权限。
- 导入的标签名称列表。
- （可选）强烈建议导入标签描述列表。平台使用描述作为训练输入来进行预测，因此在描述标签概念时请确保表述清晰简洁。
使用标签名称和说明作为训练输入自动训练初始模型后，数据集中的许多消息都会显示预测。
这些预测的工作方式与以前的完全相同，这意味着它们只是在没有训练数据的情况下生成的。
如果您启用了标签情感分析，则初始预测将包含积极或消极的情感，并以不同的绿色或红色深浅变化，具体取决于置信度级别。
辅助批注适用于任何训练批处理或模式，但在“随机播放”和“学习标签”中使用最有效。您应该在“训练”或“探索”选项卡中的每个训练批次中遵循常规标注步骤。
辅助注释如何支持模型训练
辅助标注可以在上下文充足的情况下为每个标签自动生成预测，无需训练示例，从而显着加快模型训练流程的第二阶段。
Initial predictions will be driven by the quality of the label names and natural language descriptions. For example, vague names might lead to vague or minimal predictions. Detailed label descriptions can boost the initial performance of the model.
当您进一步训练数据集时，平台会使用标签名称和描述以及固定的示例来生成相关的标签预测。
这些将通过更多的训练不断改进，并且在提供足够的注释训练示例时，最终仅依赖这些示例。
仍需要监督学习
辅助标注仍然需要通过接受或拒绝预测来进行监督学习，但它通过零个或很少的固定示例提供更好的预测，从而加快模型训练中最耗时的部分。