Modelli personalizzati
Crea modelli AI personalizzati per la classificazione del testo o il riconoscimento di entità denominate nel servizio OCI Language.
I modelli personalizzati includono:
- Progetti
-
I progetti sono contenitori collaborativi per l'organizzazione e la documentazione delle risorse linguistiche.
- Modelli
-
I modelli definiscono una rappresentazione matematica dei dati e un processo aziendale.
- Endpoint del modello
-
Gli endpoint consentono l'accesso a un modello e di eseguire inferenze sul modello dopo l'addestramento.
Informazioni sulla classificazione testo personalizzata
Con la classificazione del testo personalizzata, è possibile creare un modello AI personalizzato per classificare automaticamente il testo in un set di classi predefinite.
- Caso d'uso: assegnazione dei ticket di supporto
-
I team dell'assistenza clienti ricevono centinaia di e-mail o ticket con problemi o query descritti in testo non strutturato e in formato libero. Provare rapidamente questi ticket e assegnare i ticket ai proprietari corretti è fondamentale per garantire tempi di risposta rapidi.
Il triaging manuale richiede tempo e risorse. Il triaging manuale richiede che le persone leggano e assegnino i ticket ai membri del team appropriati.
È invece possibile creare modelli personalizzati e addestrare i modelli su e-mail di esempio o ticket di supporto. È quindi possibile distribuire i modelli per analizzare nuovi ticket o e-mail, categorizzare e decidere di assegnare automaticamente i proprietari appropriati.
- Caso d'uso: classificazione dei documenti
-
I selezionatori assegnano manualmente le etichette ai documenti dei candidati, ad esempio la cronologia lavoro o le lettere di raccomandazione.
L'etichettatura manuale richiede la lettura di molti documenti e l'applicazione di etichette. La classificazione del testo personalizzata addestrata su documenti di esempio consente di creare una pipeline per assegnare automaticamente il tag corretto a ciascun allegato.
- Lingue supportate per testo di input
-
Testo di input supportato da classificazione testo personalizzata Lingua testo di input Supportato da classificazione testo personalizzata Inglese Sì spagnolo Sì Arabo Supportato dalla progettazione Cinese semplificato Supportato dalla progettazione Cinese tradizionale Supportato dalla progettazione Olandese Supportato dalla progettazione francese Supportato dalla progettazione tedesco Supportato dalla progettazione italiano Supportato dalla progettazione giapponese Supportato dalla progettazione coreano Supportato dalla progettazione Polacco Supportato dalla progettazione Portoghese Supportato dalla progettazione Thailandese Supportato dalla progettazione Turco Supportato dalla progettazione
Informazioni sul riconoscimento di entità con nome personalizzato (NER)
Con il riconoscimento personalizzato dei nomi, è possibile identificare entità specifiche del dominio univoche per un'azienda o un settore verticale.
- Caso d'uso: estrazione di entità personalizzate
-
I reparti delle risorse umane generano, memorizzano ed elaborano una quantità significativa di dati non strutturati, ad esempio lettere di offerta, pubblicazioni di offerte di lavoro, profili dei candidati, note del colloquio e così via. I modelli pre-addestrati non possono estrarre entità specifiche del dominio o dell'azienda, ad esempio il nome del candidato offerto, la data offerta, il manager assunzioni e la data di adesione.
I modelli pre-addestrati possono riconoscere solo entità come
DATE, ma non possono associare un significato specifico all'entità, ad esempio le date di offerta o adesione. È possibile addestrare modelli personalizzati in file di dati di esempio, ad esempio lettere di offerta. I modelli addestrati possono estrarre entità aziendali quali i nomi di persona offerta, entità offerta, supervisore e rappresentante HR. - Caso d'uso: recupero delle informazioni
-
Una società di servizi finanziari vorrebbe estrarre entità specifiche dai suoi contratti per rendere più facile ottenere risultati nel suo sistema di recupero delle informazioni. Vorrebbero estrarre tali entità in modo che in seguito un cliente possa filtrare i contratti. Ad esempio, possono filtrare per visualizzare solo i contratti con una "data di validità" successiva al 1° gennaio 2022 e una "termine" più lunga di tre anni.
È possibile utilizzare modelli personalizzati per identificare entità diverse, ad esempio termine contratto, data di validità, data di firma, informativa e destinatario. Dopo aver estratto queste entità, è possibile utilizzare le entità come filtri e facet in un sottosistema di ricerca.
- Lingue supportate per testo di input
-
Testo di input supportato da NER personalizzato Lingua testo di input Supportato da Custom NER Inglese Sì spagnolo Sì Arabo Supportato dalla progettazione Olandese Supportato dalla progettazione francese Supportato dalla progettazione tedesco Supportato dalla progettazione italiano Supportato dalla progettazione