分类设计最佳实践

关键分类元素

• 标签数量：典型的数据集包含 50-100 个标签，但此数量可能会因数据集的目标而异。一个有效用例可以拥有的标签要少于 50 个。 系统规定一个数据集不得超过 200 个标签，因为超出此限制，分类将非常难以管理和训练，并导致性能下降。

• 标签名称：标签名称应简洁明了，具有描述性，因为“生成式批注”功能将其用作训练输入，以加快和改进训练过程。您可以随时编辑它们，但为了确保它们在平台用户界面中有效显示，我们为任何给定的标签（包括其层次结构级别）设置了 64 个字符的字符限制。

• 标签说明：向标签添加自然语言描述，因为生成式批注功能将其用作训练输入，以进行自动训练。描述还有助于确保模型训练器之间注释的一致性，并为其他查看数据集以进行分析的人提供有用的上下文。

构建分类结构

我们建议您遵循以下最佳实践，以正确构建分类结构并确保模型具有高性能：

• 与目标保持一致: 确保每个标签服务于特定的业务目的，并且与您定义的目标保持一致。如果您的数据集用于自动化，则许多标签应与下游处理所需的特定请求相匹配。 如果您的数据集用于分析（或两者），请包含其他标签，其中涵盖问题类型、根本原因和服务质量问题（例如追踪器消息、升级和争议）等概念。

• 保持独立 : 每个标签都应具体明确，并且不应与其他标签重叠。

• 明确说明：避免使用宽泛、模糊或令人困惑的概念，因为这些概念很可能表现不佳，并且提供的业务价值较少。如有可能，将广泛的标签拆分为多个不同的标签。 从特定的标签开始，例如更多的层次结构级别，然后在需要时合并它们，而不是手动分解大致的标签。

• 可识别: 确保每个标签都可以从所应用到的消息文本中清楚识别。

• 使用父标签：如果您预计会有许多与更广泛的主题相关的类似概念，请使用父标签。

• 使用子标签: 确保嵌套在另一个标签下的每个标签是该标签的子集。

• 限制层次结构级别：尽量不要添加超过 4 个层次结构级别，因为模型训练起来会变得越来越复杂。

• 包括无信息性的标签 ：创建一些无价值的标签，例如感谢电子邮件，这样您可以告诉平台哪些标签需要分析，哪些不重要。