Настройка смарт-тегов в eDiscovery (премиум)
Совет
Обнаружение электронных данных (предварительная версия) теперь доступно на новом портале Microsoft Purview. Дополнительные сведения об использовании нового интерфейса обнаружения электронных данных см. в статье Сведения об обнаружении электронных данных (предварительная версия).
Возможности машинного обучения (ML) в Microsoft Purview eDiscovery (Премиум) помогают повысить эффективность процесса принятия решений при просмотре документов по обращениям в наборе для проверки. Смарт-теги — это способ перенести возможности машинного обучения в там, где записываются решения: при добавлении тегов в документы во время проверки. При создании группы смарт-тегов решения, которые являются результатом модели машинного обучения, связанной с группой смарт-тегов, отображаются рядом с тегами в группе тегов. Это помогает просматривать сведения о результатах машинного обучения в строке при просмотре определенных документов.
Совет
Если вы не являетесь клиентом E5, используйте 90-дневную пробную версию решений Microsoft Purview, чтобы узнать, как дополнительные возможности Purview могут помочь вашей организации управлять безопасностью данных и соответствием требованиям. Начните сейчас, перейдя в центр пробных версий на портале соответствия требованиям Microsoft Purview. Сведения о регистрации и условиях пробной версии.
Настройка группы смарт-тегов
Примечание.
В течение ограниченного времени этот классический интерфейс обнаружения электронных данных также доступен на новом портале Microsoft Purview. Включите классический интерфейс eDiscovery портала соответствия требованиям в параметрах интерфейса обнаружения электронных данных (предварительная версия) для отображения классического интерфейса на новом портале Microsoft Purview.
В наборе для проверки выберите Управление набором проверки , а затем — Управление тегами.
Выберите Добавить группу тегов , а затем — Добавить группу смарт-тегов.
Выберите модель машинного обучения, которую нужно связать с группой тегов.
При этом создается группа тегов и N дочерних тегов, где N — это количество возможных выходных данных модели. Например, модель обнаружения привилегий адвоката и клиента имеет два возможных выходных данных:
- Положительный результат. Используйте для добавления тегов к документам, содержащим привилегированное содержимое адвоката и клиента.
- Отрицательное значение. Используйте для добавления тегов к документам, которые не содержат привилегированного содержимого адвоката и клиента.
При выборе этой модели создается группа тегов с двумя дочерними тегами (один дочерний тег с именем Positive , другой — Отрицательный) для набора проверки. В этом примере каждый дочерний тег соответствует одному из возможных выходных данных модели обнаружения привилегий адвоката и клиента.
При необходимости можно переименовать группу тегов и дочерние теги. Например, можно переименовать тег Positive в Privileged , а тег Negative — в Not privileged.
Использование смарт-тегов
При просмотре документа результаты модели отображаются рядом с соответствующим дочерним тегом. Например, если у вас есть группа смарт-тегов для обнаружения привилегий адвоката и клиента и вы просматриваете документ, который потенциально является привилегированным, причина такого вывода отображается рядом с соответствующим тегом. Важно отметить, что тег не применяется к документу автоматически. Рецензент принимает решение о том, как пометить документ тегом.