Partilhar via

Utilizar um modelo personalizado de classificação de categorias no Power Automate

  • Artigo

  1. Iniciar sessão no Power Automate.

  2. Selecione Os meus fluxos no painel esquerdo e, em seguida, selecione Novo fluxo>Fluxo de cloud instantâneo.

  3. Dê um nome ao seu fluxo, selecione Acionar manualmente um fluxo em Escolher como acionar este fluxo e, em seguida, selecione Criar.

  4. Expanda Acionar manualmente um fluxo e, em seguida, selecione +Adicionar uma entrada>Texto como o tipo de entrada.

  5. Substitua a palavra Entrada por Meu texto (também conhecido como título).

  6. Selecione + Novo passo>AI Builder e, em seguida, selecione Classificar texto em categorias com um dos seus modelos personalizados na lista de ações.

  7. Selecione o modelo de classificação de categorias que quer utilizar e, na coluna Texto, adicione O Meu Texto no acionador.

    Captura de ecrã que mostra o conteúdo do modelo selecionado.

  8. Nas ações sucessivas, utiliza quaisquer colunas e tabelas extraídas pelo modelo do AI Builder.

O exemplo seguinte guarda cada Classificação e Pontuação de confiança inferidos numa lista criada com Listas Microsoft no SharePoint.

Captura de ecrã do exemplo do fluxo de Classificação de categoria.

Parabéns! Criou um fluxo que utiliza um modelo de classificação de categorias do AI Builder. Selecione Guardar na parte superior direita e, em seguida selecione Teste para experimentar o seu fluxo.

Parâmetros

Entrada

Nome Necessária Tipo Descrição Valores
Modelo de IA Sim modelo Modelo de classificação de categorias a utilizar para análise Modelo de classificação de categorias treinado e publicado
Texto Sim string Texto a analisar Expressões de texto
Idioma Sim string Idioma do texto a analisar "Detetar automaticamente" ou código de idioma (ex.: "en", "fr", "zh_chs", "ru")

Saída

Nome Tipo Descrição Valores
Classificação cadeia Tabela identificada Problemas, elogios, suporte ao cliente, documentação, preço e faturação, pessoal
Pontuação de confiança flutuante Qual é o nível de confiança do modelo na respetiva predição Valor no intervalo de 0 a 1. Os valores próximos a 1 indicam maior confiança na precisão do valor extraído