導入
デジタル化時代には、組織が処理しなければならない文書、メール、その他の種類のメッセージは膨大な量になる可能性があります。
カテゴリ分類を使用すると、メッセージの優先順位レベルを自動的に決定し、潜在的なスパム メッセージを検出するのにも役立ちます。 メッセージをさまざまなカテゴリに分類することで、このような自動化を実装できます。
AI Builder カテゴリ分類を使用すると、ユーザーは以前にラベルが付いたテキストから学習し、新しいメッセージに対する独自のカテゴリを識別するようにトレーニングを受けることができます。
このユニットでは、AI Builder カテゴリ分類が、Microsoft Dataverse に保存されている非構造化テキスト データをどのようにビジネス固有のカテゴリに処理するのかについて説明します。
AI Builder カテゴリ分類
カテゴリ分類の抽出は、AI Builder のカスタム モデルです。 既存のデータを公開してプロセスで使用するには、その前にトレーニングを行う必要があります。
新しいモデルをトレーニングするには、データ ソースの Dataverse テーブルを識別または作成し、次のレコメンデーションを考慮してください。
同じテーブル内の両方の列の参照テキストおよび関連タグを含めます。
タグなし、単一のタグ、複数のタグなど、サポートされている区切り記号 (コンマ、セミコロン、タブ文字) で区切られたタグの列を指定します。
タグが参照される 10 件以上の例 (行) と、そのタグがそれぞれのカテゴリで参照されていない 10 件の例 (行) が必要です。
タグが 2 個から 200 個あるテーブルを使用します。
参照テキストが 5,000 文字未満であることを確認します。
テキストが サポートされている言語 の 1 つであることを確認します。
参照テーブルにさらにデータを追加する場合は、必要に応じてモデルを再トレーニングし、現在の、より正確なパフォーマンス レベルを提供できます。
AI Builder カテゴリ分類の基礎について学習しました。これから、このカスタム モデルを使用してビジネスの問題を解決する方法について説明します。