ixp
latest
false

Communications Mining 用户指南
上次更新日期 2025年8月11日
标签是消息中表达的意图或概念的结构化摘要。通常会用多个标签来总结同一条消息,这意味着标签不是消息的互斥分类。
例如,在监控客户体验的数据集中,我们可以创建一个名为“错误发票通知”的标签,该标签描述了客户何时通知企业他们收到了他们认为是不正确的发票。
最初,您可以通过将标签应用于相关消息来创建标签。您可以继续应用它们为模型构建训练示例,然后平台将开始自动预测数据集中的相关标签。
您应用于消息的标签被视为已固定,而平台分配给消息的标签称为标签预测。
要了解已审核和未审核的消息,请查看已批注的消息和未批注的消息。
当平台预测标签是否适用于未经用户审核的消息时,它会提供该标签预测的置信度百分比
%
。置信度越高,平台对标签应用的置信度就越高。
平台在预测标签中的置信度会为标签添加阴影。标签越不透明,平台应用标签的置信度就越高。
您可以按层次结构组织标签,以帮助您更快地组织和训练新概念。
此层次结构可以采用以下格式: [父标签] > [分支标签 1] > [分支标签 n] > [子标签]
标签可以是独立的父标签,也可以具有分支标签和子标签(用大于号
>
分隔),这些标签构成层次结构中先前标签的子集。
每次固定或预测子标签或分支标签时,模型都将层次结构中的先前级别视为已固定或预测。父标签的预测通常比较层次结构中较低级别的预测具有更高的置信度,因为它们通常更容易识别。
有关标签层次结构的更多详细信息,请查看分类。