Configuration et comportement du modèle d'apprentissage machine

Configurez des modèles pour prédire les valeurs de champ et le sentiment pour les tickets de service client.

Entraîner un modèle

L'entraînement d'un modèle d'apprentissage machine consiste à lui faire apprendre certaines tendances dans les données passées afin qu'il effectue des prédictions pour de nouvelles données. Les modèles sont entraînés à l'aide de vastes jeux de données de sorte qu'ils puissent apprendre des tendances et que celles-ci soient statistiquement significatives.

Configurer un modèle de prédiction de champ

Les utilisateurs disposant du rôle ml_admin peuvent créer et entraîner un modèle d'apprentissage machine afin qu'il prédise des valeurs de champ à partir de Task Intelligence Admin Console.

En utilisant le modèle de prédiction de champ comme point de départ, vous pouvez choisir le jeu de données d'entraînement à partir duquel le modèle apprendra. Le modèle peut être formé à l’aide des données des tables suivantes :

• Table d’e-mail [sys_email]
• Table de ticket [sn_customerservice_case]
• Les tables qui complètent la table Ticket
• Table d’interaction [interaction]

Les modèles peuvent également être entraînés à l'aide de données provenant d'une pièce jointe d'e-mail ou de ticket.

Vous donnez ensuite au modèle l'instruction d'apprendre une tendance entre deux types de champs à partir de ces données :

• Les champs de sortie, qui sont les champs que vous souhaitez que votre modèle prédise. Par exemple, les champs Catégorie et Priorité des tickets.
• Les champs d'entrée, qui sont les champs que le modèle utilise comme base pour les prédictions. Par exemple, le texte dans l'objet et le corps d'un e-mail.

Vous pouvez utiliser les champs d’entrée recommandés ou modifier ces champs et ajouter vos propres préférences.

Si le modèle est configuré pour utiliser le texte des pièces jointes, le système effectue les étapes suivantes lors de la création d’un ticket ou d’une interaction :

• Le système vérifie l’enregistrement pour les pièces jointes avec des types de contenu et des extensions de fichier pris en charge. Il ignore les pièces jointes dont les extensions de fichier ne sont pas prises en charge.
• Si l’enregistrement comporte des pièces jointes dans un format pris en charge, le système analyse le texte et l’envoie comme entrée au modèle de catégorisation, avec le texte des champs d’entrée.
• Si l’enregistrement n’a pas de pièces jointes ou aucune pièce jointe dans un format pris en charge, le système envoie le texte des champs d’entrée au modèle de catégorisation.

Les types de contenus et les extensions de fichiers pris en charge sont stockés dans la propriété système sn_csm_ml_task.categorization.allowed_content_types. Pour plus d'informations, consultez Composants installés avec Task Intelligence for Customer Service.

Prendre en charge plusieurs langues

La catégorisation prend en charge plusieurs langues, y compris dans les pièces jointes si les modèles sont configurés pour inclure des pièces jointes. Le modèle de catégorisation renvoie la langue prédite et la stocke dans le champ Langue détectée de la table Résultat de prédiction [ml_predictor_results].

Configurer un modèle de sentiment de ticket

Le modèle de sentiment de ticket est pré-entraîné à l'aide d'un vaste jeu de données afin d'apprendre des modèles de communication. Ces données proviennent des e-mails des clients et des descriptions et commentaires des tickets, et reflètent une communication typique entre des agents et des clients.

• E-mail : le modèle utilise le texte dans l'objet et le corps de l'e-mail initial pour prédire le sentiment lorsque le ticket est créé. Le texte provenant du corps des e-mails suivants est utilisé pour mettre à jour la prédiction.
• Tickets : le modèle utilise le texte dans la brève description et la description du ticket pour prédire le sentiment lorsque le ticket est créé. Les commentaires ajoutés au ticket sont utilisés pour mettre à jour la prédiction.

Le modèle de sentiment de ticket prend en charge les types de tickets. Lors de la configuration d'un modèle de sentiment, vous sélectionnez la table sur laquelle exécuter l'analyse des sentiments. Vous pouvez sélectionner :

• La table Ticket
• Les tables qui complètent la table Ticket

Remarque :

La fonctionnalité d'analyse des sentiments prend en charge un niveau d'extension personnalisé à partir de la table Ticket.