Creación de un modelo de codificación predictiva (versión preliminar)

Artículo
10/01/2023

El primer paso para usar las funcionalidades de aprendizaje automático de codificación predictiva en eDiscovery (Premium) es crear un modelo de codificación predictiva. Después de crear un modelo, puede entrenarlo para identificar el contenido relevante y no relevante de un conjunto de revisión.

Para revisar el flujo de trabajo de codificación predictiva, consulte Información sobre la codificación predictiva en eDiscovery (Premium)

Sugerencia

Si no es cliente de E5, use la prueba de soluciones de Microsoft Purview de 90 días para explorar cómo las funcionalidades adicionales de Purview pueden ayudar a su organización a administrar las necesidades de cumplimiento y seguridad de datos. Comience ahora en el centro de pruebas de portal de cumplimiento Microsoft Purview. Obtenga más información sobre los términos de suscripción y evaluación.

Antes de crear un modelo

Debe haber un mínimo de 2000 elementos en un conjunto de revisión para crear un modelo de codificación predictiva.
Asegúrese de confirmar todas las colecciones en el conjunto de revisión antes de crear un modelo. Los elementos agregados a un conjunto de revisión después de crear el modelo no se procesarán y se les asignará una puntuación de predicción generada por el modelo.
El modelo no procesará ningún elemento del conjunto de revisión que no contenga texto ni se le asignará una puntuación de predicción. Los elementos con texto se incluirán en el conjunto de control o en un conjunto de entrenamiento.

Crear un modelo

En el portal de cumplimiento Microsoft Purview, abra un caso de exhibición de documentos electrónicos (Premium) y, a continuación, seleccione la pestaña Conjuntos de revisión.
Abra un conjunto de revisión y, a continuación, seleccione Análisis>Administrar codificación predictiva (versión preliminar).
En la página Modelos de codificación predictiva (versión preliminar), seleccione Nuevo modelo.
En la página de control flotante, escriba un nombre para el modelo y una descripción opcional.
Opcionalmente, puede configurar opciones avanzadas (seleccionando Opciones avanzadas en la página de control flotante) relacionadas con el nivel de confianza y el margen de error. Esta configuración afecta al número de elementos incluidos en el conjunto de controles. El conjunto de controles se usa durante el proceso de entrenamiento para evaluar las puntuaciones de predicción que el modelo asigna a los elementos con el etiquetado que se realiza durante las rondas de entrenamiento. Si su organización tiene instrucciones sobre el nivel de confianza y el margen de error para la revisión de documentos, especifíquelos en los cuadros adecuados. De lo contrario, use la configuración predeterminada.
Seleccione Guardar para crear el modelo.

El sistema tardará un par de minutos en preparar el modelo. Una vez listo, puede realizar la primera ronda de entrenamiento.

Qué ocurre después de crear un modelo

Después de crear un modelo, se producen las siguientes cosas en segundo plano durante la creación y preparación del modelo:

El sistema calcula el número de elementos para el conjunto de control. Este tamaño se basa en el número de elementos del conjunto de revisión y en la configuración del nivel de confianza y el margen de error. Los elementos del conjunto de controles se seleccionan aleatoriamente y se designan como elementos del conjunto de controles. El sistema incluye 10 elementos del conjunto de control en la primera ronda de entrenamiento.
El sistema selecciona aleatoriamente 40 elementos del conjunto de revisión que se incluirán en el conjunto de entrenamiento para la primera ronda de entrenamiento. Por lo tanto, la primera ronda de entrenamiento incluye 50 elementos para el etiquetado: 40 elementos del conjunto de entrenamiento y 10 elementos del conjunto de control.

Pasos siguientes

Después de crear un modelo para un conjunto de revisión, el siguiente paso es realizar rondas de entrenamiento para "enseñar" el modelo a fin de identificar el contenido que es relevante para la investigación. Para obtener más información, consulte Entrenamiento de un modelo de codificación predictiva.