Communications Mining 用户指南

上次更新日期 2025年10月7日

使用训练标签进行训练 (探索)

注意：您必须以 Automation Cloud 用户身份分配“来源 - 读取和数据集 - 审核”权限，或者作为旧版用户分配“查看源”和“审核并批注”权限。

指导是“探索”阶段的第二个步骤，其目的是显示模型最混淆的标签的预测（无论是否适用）。与之前的步骤一样，我们需要确认预测是否正确，并借此为模型提供强训练信号。它是最重要的特定于标签的训练模式。

备注：

“学习标签”是一种专门用于批注未审核消息的训练模式。因此，所审核的筛选器在此模式下处于禁用状态。

从下拉菜单中选择“学习标签” ，如下图所示。
选择要训练的标签，指导模式下的默认选择是显示未审核的消息。
系统将向您显示一系列消息，其中模型对于是否应用所选标签最感到困惑。这意味着您应该查看预测，如果正确则应用标签，如果不正确则应用其他标签。
备注：
- 预测范围将扩大，从对于没有情感的数据（启用了情感），预测的结果是大约 50％（对于启用了情感的数据），到 66％（对于启用了情感的数据）。
- 确保应用所有其他适用的标签以及您关注的特定标签。

您应根据需要使用此训练模式，将每个标签的训练示例数量增加到 25 个以上，以便平台能够准确地估计标签的性能。

每个标签表现良好所需的示例数量取决于许多因素。在“优化”阶段，我们将介绍如何理解和提高每个标签的性能。

平台会定期建议使用学习标签来提高特定标签的性能，方法是提供更加多样化的训练示例，平台可以使用训练示例来识别数据集中应应用标签的其他实例。

您可能会发现在“发现”和“随机播放”之后，某些标签的示例仍然非常少，并且“学习标签”模式不会显示有用的训练示例。在此情况下，建议您使用以下训练模式，以便为平台提供更多可供学习的示例：

选项 1 - 搜索

在“探索”中搜索术语或短语的方式与在“发现”中搜索术语或短语的方式相同。两个主要区别之一是，在“探索”中，您必须单独查看和添加搜索结果注释，而不是批量查看和添加搜索结果。您只需在页面左上方的搜索框中输入搜索词，即可在“探索”中进行搜索。

但是，过多的搜索可能会使您的模型产生偏差，这是我们希望避免的情况。在此训练模式下，每个标签添加的示例不超过 10 个，以避免批注偏差。此外，在返回指导模式之前，请确保平台有时间进行重新训练。

选项 2 - 标签

尽管使用标签进行训练不是“探索”阶段中列出的主要步骤之一，但它在此训练阶段仍然非常有用。在“标签模式”下，平台会按置信度降序显示预测为标签的消息，即置信度最高的预测在前，置信度最低的预测在后。

但是，它仅适用于审核置信度不高（高于 90％）的预测。这是因为当模型的置信度非常高（即高于 90％）时，确认预测并不会告知模型任何新信息，则表示标签已经应用。如有需要，请在页面下方查找置信度较低的示例。不过，如果预测的置信度很高并且是错误的，则请确保应用正确的标签，从而拒绝错误的预测。

如果对于同一个标签，有多种不同的方式来表达同一件事，例如 A、B 或 C，请确保您为每种表达方式都提供平台训练示例。如果您为它提供了 30 个 A 的示例，而只提供了 B 和 C 的少量示例，则模型将难以为该标签未来选取 B 或 C 的示例。
向成熟的分类添加新标签可能意味着尚未将其应用于之前审核的消息。这需要返回并使用“缺少的标签”函数训练模型新标签。

在此页面上