Zarządzanie modelami językowymi

Platforma YourCX dla każdego pytania otwartego tworzy osobny model kategoryzacyjny trenowany na wypowiedziach z danego pytania. 

W momencie pojawienia się dowolnej wypowiedzi, jest ona analizowana pod kątem semantycznym oraz językowym. Następnie, jeśli uzbieranych została wystarczająca liczba wypowiedzi, tworzony jest automatyczny model kategoryzujący wypowiedzi. W przypadku, kiedy wypowiedzi zostaną też ręcznie skategoryzowane, automatycznie powstanie model kategoryzujący nauczony na podstawie tych ręcznych kategorii.

Administrator konta klienta ma możliwość przejrzenia modeli językowych automatycznie utworzonych, ich rekonfiguracji, a także stworzenia własnych dopasowanych do swoich potrzeb.

Optymalizacja działania modelu

Model także ma możliwość douczania. Jeśli mamy uwagi odnośnie jakości kategoryzacji dla pojedynczej kategorii, można poprawić jakość zbioru uczącego dla tej kategorii poprzez:

• import realnych wypowiedzi, które pasują do danej kategorii -> skorzystaj z importera
• automatyczne wygenerowanie wypowiedzi przy użyciu modelu językowego tak, aby pasowały do danej kategorii

Platforma YourCX zawiera od razu wbudowane mechanizmy generowania wypowiedzi, w których dla każdej kategorii możesz wygenerować dowolną liczbę zróżnicowanych wypowiedzi treningowych poprawiających działanie modelu językowego.

Więcej na temat optymalizacji możesz poczytać w artykule "Jak w 9 krokach zacząć korzystać z kategoryzacji automatycznej, aby oszczędzać nawet 60 godzin miesięcznie!"

Modele dla badań oraz własne modele kategoryzacyjne

Każde pytanie w badaniach, które ma kategoryzację ręczną, ma z automatu tworzony model kategoryzacyjny, który uczy się na bazie kategorii ręcznych i kategoryzuje kolejne pojawiające się wypowiedzi. Jednakże w sytuacji, kiedy masz potrzebę kategoryzowania wypowiedzi w wielu pytaniach bądź badaniach, najlepiej skorzystać z modeli własnych. Pozwala to na określenie ogólnego modelu kategoryzacyjnego:

• dla dowolnych języków
• dowolnie powiązanych z pytaniami w wielu badaniach

Dzięki temu możliwe jest spójne kategoryzowanie wypowiedzi w wielu badaniach wg tych samych reguł, co pozwala na porównywanie wyników z wielu obszarów.

Indywidualna konfiguracja modelu kategoryzującego

Każdy model kategoryzacyjny ma kilka ustawień technicznych, które można zmienić tak, aby lepiej dopasować jego działanie do swoich potrzeb:

• określenie bazowego modelu językowego
• liczba trenowań (epoch) aby model dokładniej dopasował swe działanie do zbioru uczącego
• zastosowanie ważonej lub uśrednionej funkcji straty do nauki modelu
• określić minimalne wielkości kategorii, poniżej których kategorie są pomijane w trakcie nauki
• określić progi prawdopodobieństw aby wyznaczona przez model kategoria została przypisana do wypowiedzi

Po zmianie parametrów należy ponownie trenowanie (naukę) albo kategoryzację (przypisanie kategorii do wypowiedzi) w zależności od tego, które parametry zostały zmienione.