Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
Cuidado
A Microsoft desativou todas as experiências clássicas de descoberta eletrônica em 31 de agosto de 2025. Essa desativação inclui a Pesquisa de Conteúdo clássica, a Descoberta Eletrônica clássica (Standard) e a Descoberta Eletrônica clássica (Premium).
As diretrizes neste artigo se aplicam apenas a organizações hospedadas no Microsoft 365 operado pela 21Vianet (China). Se sua organização não for hospedada pela 21Vianet, use as orientações para a nova experiência de Descoberta Eletrônica no portal do Microsoft Purview.
Depois de criar um modelo de codificação preditiva no Descoberta Eletrônica do Microsoft Purview (Premium), a próxima etapa é executar a primeira rodada de treinamento para treinar o modelo sobre o conteúdo relevante e não relevante em seu conjunto de revisão. Depois de concluir a primeira rodada de treinamento, você pode executar rodadas de treinamento subsequentes para melhorar a capacidade do modelo de prever conteúdo relevante e não relevante.
Para examinar o fluxo de trabalho de codificação preditiva, consulte Saiba mais sobre codificação preditiva na Descoberta Eletrônica (Premium)
Antes de treinar um modelo
- Durante uma rodada de treinamento, rotule os itens como Relevantes ou Não relevantes com base na relevância do conteúdo no documento. Não baseie sua decisão nos valores nos campos de metadados. Por exemplo, para mensagens de email ou conversas do Teams, não baseie sua decisão de rotulagem nos participantes da mensagem.
Treinar um modelo pela primeira vez
No portal do Microsoft Purview, abra um caso de Descoberta Eletrônica (Premium) e selecione a guia Conjuntos de revisão .
Abra um conjunto de revisão e selecione Análise>Gerenciar codificação preditiva (versão prévia).
Na página Modelos de codificação preditiva (versão prévia), selecione o modelo que você deseja treinar.
Na guia Visão geral , em Rodada 1, selecione Iniciar próxima rodada de treinamento.
A guia Treinamento é exibida e contém 50 itens para você rotular.
Revise cada documento e selecione "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 que o sistema "aprenda" com sua rotulagem e atualize o modelo. Quando esse processo for concluído, um status de Pronto será exibido para o modelo na página Modelos de codificação preditiva (versão prévia).
Executar rodadas de treinamento adicionais
Depois de executar a primeira rodada de treinamento, você pode realizar rodadas de treinamento subsequentes seguindo as etapas da seção anterior. A única diferença é que o número da rodada de treinamento será atualizado na guia Visão geral do modelo. Por exemplo, depois de realizar a primeira rodada de treinamento, você pode selecionar Iniciar próxima rodada de treinamento para iniciar a segunda rodada de treinamento. E assim por diante.
Cada rodada de treinamento (tanto as em andamento quanto as concluídas) é exibida na guia Treinamento do modelo. Quando você seleciona uma rodada de treinamento, uma página de submenu com informações e métricas para a rodada é exibida.
O que acontece depois de executar uma rodada de treinamento
Depois de executar a primeira rodada de treinamento, é iniciado um trabalho que faz o seguinte:
Com base em como você rotulou os 40 itens no conjunto de treinamento, o modelo aprende com sua rotulagem e se atualiza para se tornar mais preciso.
O modelo então processa cada item em todo o conjunto de revisão e atribui uma pontuação de previsão entre 0 (não relevante) e 1 (relevante).
O modelo atribui uma pontuação de previsão aos 10 itens no conjunto de controle que você rotulou durante a rodada de treinamento. O modelo compara a pontuação de previsão desses 10 itens com o rótulo real que você atribuiu ao item durante a rodada de treinamento. Com base nessa comparação, o modelo identifica a seguinte classificação (chamada de matriz de confusão do conjunto de controle) para avaliar o desempenho de previsão do modelo:
| Rótulo | O modelo prevê que o item é relevante | O modelo prevê que o item não é relevante |
|---|---|---|
| O revisor rotula o item como relevante | Verdadeiro positivo | Falso positivo |
| O revisor rotula o item como não relevante | Falso negativo | Verdadeiro negativo |
Com base nessas comparações, o modelo deriva valores para as métricas de pontuação F, precisão e recall e a margem de erro para cada uma delas. As pontuações para essas métricas de desempenho do modelo são exibidas em uma página de submenu para a rodada de treinamento. Para obter uma descrição dessas métricas, consulte Referência de codificação preditiva.
- Por fim, o modelo determina os próximos 50 itens que serão usados para a próxima rodada de treinamento. Desta vez, o modelo pode selecionar 20 itens do conjunto de controle e 30 novos itens do conjunto de revisão e designá-los como o conjunto de treinamento para a próxima rodada. A amostragem para a próxima rodada de treinamento não é amostrada uniformemente. O modelo otimizará a seleção de amostragem de itens do conjunto de revisão para selecionar itens em que a previsão é ambígua, o que significa que a pontuação de previsão está no intervalo de 0,5. Esse processo é conhecido como seleção tendenciosa.
O que acontece depois de executar as rodadas de treinamento subsequentes
Depois de executar rodadas de treinamento subsequentes (após a primeira rodada de treinamento), o modelo faz o seguinte:
- O modelo é atualizado com base nos rótulos que você aplicou ao conjunto de treinamento naquela rodada de treinamento.
- O sistema avalia a pontuação de previsão do modelo nos itens do conjunto de controles e marca se a pontuação está alinhada com a forma como você rotulou os itens no conjunto de controles. A avaliação é realizada em todos os itens rotulados do conjunto de controle para todas as rodadas de treinamento. Os resultados dessa avaliação são incorporados no dashboard na guia Visão geral do modelo.
- O modelo atualizado reprocessa todos os itens no conjunto de revisão e atribui a cada item uma pontuação de previsão atualizada.
Próximas etapas
Depois de executar a primeira rodada de treinamento, você pode executar mais rodadas de treinamento ou aplicar o filtro de pontuação de previsão do modelo ao conjunto de revisão para exibir os itens que o modelo previu como relevantes ou não relevantes. Para obter mais informações, consulte Aplicar um filtro de pontuação de previsão a um conjunto de revisão.