Modelos personalizados
Cree modelos de IA personalizados para la clasificación de texto o el reconocimiento de entidades con nombre en el servicio OCI Language.
Los modelos personalizados incluyen lo siguiente:
- Proyectos
-
Los proyectos son contenedores de colaboración para organizar y documentar activos de Language.
- Modelos
-
Los modelos definen una representación matemática de datos y un proceso de negocio.
- Puntos finales modelo
-
Los puntos finales permiten acceder a un modelo y ejecutar inferencias en el modelo después del entrenamiento.
Acerca de la clasificación de texto personalizado
Con la clasificación de texto personalizada, puede crear un modelo AI personalizado para clasificar automáticamente el texto en un conjunto de clases predefinidas.
- Caso de uso: asignación de tickets de soporte
-
Los equipos de atención al cliente reciben cientos de correos electrónicos o tickets con problemas o consultas descritos en texto no estructurado y de formato libre. Triagar estos tickets rápidamente y asignar tickets a los propietarios correctos es fundamental para garantizar tiempos de respuesta rápidos.
El triaging manual consume tiempo y recursos. El triaging manual requiere que las personas lean y asignen tickets a los miembros del equipo adecuados.
En su lugar, puede crear modelos personalizados y entrenar los modelos en correos electrónicos de muestra o tickets de soporte. A continuación, puede desplegar los modelos para analizar nuevos tickets o correos electrónicos, clasificarlos y decidir asignarlos automáticamente a los propietarios adecuados.
- Caso de uso: clasificación de documentos
-
Los seleccionadores asignan manualmente etiquetas a los documentos de los solicitantes, como el historial laboral o las cartas de recomendación.
El etiquetado manual requiere la lectura de muchos documentos y la aplicación de etiquetas. La clasificación de texto personalizada entrenada en documentos de muestra ayuda a crear un pipeline para asignar automáticamente la etiqueta correcta a cada anexo.
- Idiomas admitidos para texto de entrada
-
Texto de entrada soportado por clasificación de texto personalizado Idioma de texto de entrada Compatibilidad con clasificación de texto personalizada Inglés Sí español Sí árabe Apoyado por el diseño Chino - Simplificado Apoyado por el diseño Chino - Tradicional Apoyado por el diseño holandés Apoyado por el diseño francés Apoyado por el diseño Alemán Apoyado por el diseño Italiano Apoyado por el diseño japonés Apoyado por el diseño coreano Apoyado por el diseño polaco Apoyado por el diseño portugués Apoyado por el diseño Tailandia Apoyado por el diseño Turquía Apoyado por el diseño
Acerca del reconocimiento de entidades designadas personalizadas (NER)
Con el reconocimiento de nombres personalizado, puede identificar entidades específicas de dominio únicas para un negocio o sector vertical.
- Caso de uso: extracción de entidades personalizadas
-
Los departamentos de recursos humanos generan, almacenan y procesan una cantidad significativa de datos no estructurados, como cartas de oferta, ofertas de empleo, perfiles de candidatos, notas de entrevistas, etc. Los modelos previamente entrenados no pueden extraer entidades específicas del negocio o dominio, como el nombre de candidato ofrecido, la fecha de oferta, el mánager de contratación y la fecha de incorporación.
Los modelos previamente entrenados solo pueden reconocer entidades como
DATE, pero no pueden asociar un significado específico a la entidad, como las fechas de oferta o unión. Puede entrenar modelos personalizados en archivos de datos de muestra, como cartas de oferta. Los modelos entrenados pueden extraer entidades de negocio, como nombres de persona ofertada, entidad ofertada, supervisor y representante de RR HH. - Caso de uso: recuperación de información
-
Una empresa de servicios financieros desea extraer entidades específicas de sus contratos para facilitar la obtención de resultados en su sistema de recuperación de información. Les gustaría extraer esas entidades para que más tarde un cliente pueda filtrar los contratos. Por ejemplo, pueden filtrar para mostrar solo los contratos con una "fecha de vigencia" posterior al 1 de enero de 2022 y un "plazo" de más de tres años.
Puede utilizar modelos personalizados para identificar diferentes entidades, como término del contrato, fecha de vigencia, fecha de firma, divulgador y destinatario. Después de extraer estas entidades, puede utilizar las entidades como filtros y facetas en un subsistema de búsqueda.
- Idiomas admitidos para texto de entrada
-
Texto de entrada soportado por NER personalizado Idioma de texto de entrada Soportado por NER personalizado Inglés Sí español Sí árabe Apoyado por el diseño holandés Apoyado por el diseño francés Apoyado por el diseño Alemán Apoyado por el diseño Italiano Apoyado por el diseño