ixp
latest
false
Communications Mining 用户指南
上次更新日期 2025年8月11日
注意：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：
注意：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Preview LLM ，我们建议在每个字段达到 25 个示例后停止添加更多示例。 这足以满足上下文学习和验证的需求，更多示例不会提高性能。
要生成提取，请按照以下步骤继续操作：
- 导航至探索选项卡。
- 选择“标签” ，然后选择要在其上生成提取内容的标签。
- 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。。
注意：每次转到下一页时，您都需要再次选择“预测提取操作”。
In addition, you can generate extractions on an individual comment level by selecting Annotate Fields, and then Predict extractions. For more details, check Predicting extractions.
-
After making the extraction predictions, if the model picked up field extractions on the comment, it highlights the relevant span in the text. The model displays the extracted value in the side panel. To learn how to validate the predicted values, check Validating and annotating generated extractions.
