Início rápido: codificação preditiva na descoberta eletrônica (Premium) (versão prévia)
Este artigo apresenta um início rápido para usar a codificação preditiva em Descoberta Eletrônica do Microsoft Purview (Premium). O módulo de codificação preditiva usa recursos inteligentes de machine learning para ajudá-lo a eliminar grandes volumes de conteúdo de caso que não são relevantes para sua investigação. Isso é feito criando e treinando seus próprios modelos de codificação preditiva que ajudam você a priorizar os itens mais relevantes para revisão.
Aqui está uma visão geral rápida do processo de codificação preditiva:
Para começar, crie um modelo, rotule apenas 50 itens como relevantes ou não relevantes. Em seguida, o sistema usa esse treinamento para aplicar pontuações de previsão a cada item no conjunto de revisão. Isso permite filtrar itens com base na pontuação de previsão, o que permite que você examine os itens mais relevantes (ou não relevantes) primeiro. Se você quiser treinar modelos com maiores precisões e taxas de recall, poderá continuar rotulando itens em rodadas de treinamento subsequentes até que o modelo se estabilize. Depois que o modelo estiver estabilizado, você poderá aplicar o filtro de previsão final para priorizar itens a serem revisados.
Para obter uma visão geral detalhada da codificação preditiva, consulte Saiba mais sobre codificação preditiva na descoberta eletrônica (Premium).
Dica
Se você não for um cliente E5, use a avaliação de soluções do Microsoft Purview de 90 dias para explorar como recursos adicionais do Purview podem ajudar sua organização a gerenciar as necessidades de segurança e conformidade de dados. Comece agora no hub de avaliações portal de conformidade do Microsoft Purview. Saiba mais sobre os termos de inscrição e avaliação.
Etapa 1: criar um novo modelo de codificação preditiva
A primeira etapa é criar um novo modelo de codificação preditiva no conjunto de revisão
No portal de conformidade do Microsoft Purview, abra um caso de descoberta eletrônica (Premium) e selecione a guia Conjuntos de revisão.
Abra um conjunto de revisão e, em seguida, selecione Análise>Gerenciar codificação preditiva (versão prévia).
Na página Modelos de codificação preditiva (versão prévia), selecione Novo modelo.
Na página de sobrevoo, digite um nome para o modelo e uma descrição opcional.
Selecione Salvar para criar o modelo.
Levará alguns minutos para o sistema preparar seu modelo. Depois que estiver pronto, você poderá executar a primeira rodada de treinamento.
Para obter instruções mais detalhadas, consulte Criar um modelo de codificação preditiva.
Etapa 2: executar a primeira rodada de treinamento
Depois de criar o modelo, a próxima etapa é concluir a primeira rodada de treinamento rotulando itens como relevantes ou não relevantes.
Abra o conjunto de revisão e, em seguida, selecione Gerenciamento de Análise>de codificação preditiva (versão prévia).
Na página Modelos de codificação preditiva (versão prévia), selecione o modelo que você deseja treinar.
Na guia Visão geral , em Round 1, selecione Iniciar a próxima rodada de treinamento.
A guia Treinamento é exibida e contém 50 itens para você rotular.
Examine cada documento e selecione o botão Relevante ou Não relevante na parte inferior do painel de leitura para rotulá-lo.
Depois de rotular todos os 50 itens, selecione Concluir.
Levará alguns minutos para o sistema "aprender" com sua rotulagem e atualizar o modelo. Quando esse processo é concluído, um status de Ready é exibido para o modelo na página Modelos de codificação preditiva (versão prévia).
Para obter instruções mais detalhadas, consulte Treinar um modelo de codificação preditiva.
Etapa 3: aplicar o filtro de pontuação de previsão a itens no conjunto de revisão
Depois de executar em uma rodada de treinamento de concessão, você pode aplicar o filtro de pontuação de previsão a itens no conjunto de revisão. Isso permite que você examine os itens previstos pelo modelo como relevantes ou não relevantes.
Abra o conjunto de revisão.
Os filtros padrão pré-carregados são exibidos na parte superior da página de conjunto de revisão. Você pode deixá-los definidos como Qualquer.
Selecione Filtros para exibir a página de sobrevoo Filtros .
Expanda a seção Análise & codificação preditiva para exibir um conjunto de filtros.
A convenção de nomenclatura para filtros de pontuação de previsão é a pontuação de previsão (nome do modelo). Por exemplo, o nome do filtro de pontuação de previsão para um modelo chamado Model A é Forecast score (Modelo A).
Selecione o filtro de pontuação de previsão que você deseja usar e selecione Concluído.
Na página de conjunto de revisão, selecione a lista suspensa para o filtro de pontuação de previsão e digite valores mínimos e máximos para o intervalo de pontuação de previsão. Por exemplo, a captura de tela a seguir mostra um intervalo de pontuação de previsão entre .5 e 1.0.
Selecione fora do filtro para aplicar automaticamente o filtro ao conjunto de revisão.
Uma lista de documentos com uma pontuação de previsão dentro do intervalo especificado é exibida na página de conjunto de revisão.
Para obter instruções mais detalhadas, consulte Aplicar um filtro de previsão a um conjunto de revisão.
Etapa 4: executar mais rodadas de treinamento
Mais do que provável, você terá que executar mais rodadas de treinamento para treinar o módulo para prever melhor itens relevantes e não relevantes no conjunto de revisão. Em geral, você treinará o modelo o suficiente até que ele se estabilize o suficiente para atender aos seus requisitos.
Para obter mais informações, confira Executar rodadas de treinamento adicionais
Etapa 5: aplicar o filtro de pontuação de previsão final para priorizar a revisão
Repita as instruções na Etapa 3 para aplicar a pontuação de previsão final ao conjunto de revisão para priorizar a revisão de itens relevantes e não relevantes depois de concluir todas as rodadas de treinamento e estabilizar o modelo.
Comentários
https://aka.ms/ContentUserFeedback.
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja:Submeter e ver comentários