您位於此處：
Data 360 自動對應模型卡
「自動對應」模型會自動將資料湖物件 (DLO) 來源欄位對應至資料模型物件 (DMO) 目標欄位。此模型可減少在 Data 360 中設定新資料串流所需的手動人工和時間。
- 模型詳細資料
「自動對應」模型會自動將資料湖物件 (DLO) 來源欄位對應至資料模型物件 (DMO) 目標欄位。此模型可減少在 Data 360 中設定新資料串流所需的手動人工和時間。 - 預期用途
「Marketing Cloud Engagement 中的 Einstein 內容選取與測試」模型適用於下列使用個案。 - 相關因素
這些因素與 Data 360 自動對應模型相關聯。 - 度量
Data 360 會評估和監視模型效能度量,以維護和改善模型的品質。 - 道德考量事項
模型是以中繼資料為基礎，且不包含人口統計資料。參照的標題會在 Salesforce Platform 中標準化，或為每個組織自訂。我們建議不要使用性別、種族或其他人口統計資料的特定值作為欄位標籤。
模型詳細資料
「自動對應」模型會自動將資料湖物件 (DLO) 來源欄位對應至資料模型物件 (DMO) 目標欄位。此模型可減少在 Data 360 中設定新資料串流所需的手動人工和時間。
人員或組織
Salesforce Data 360
模型日期與版本
- 以 MPNet 為基礎的預先構建模型會納入自動對應機制。
- 匿名中繼資料集合將於 2023 年 6 月 (Summer ’23) 開始。
- Winter ’24 中每個組織將會導入預先拖曳模型的個別例項。
- 在整個版本中，可能會發生小幅變更。
- 也可能會進行重大變更，並透過「版本注意事項」來傳達。
模型類型
「自動對應」模型是多類別語意相似度 (STS) 模型，會根據兩個文字的相似度指派分數。該模型是在開啟資料集上預先訓練，並提供用於微調環境中之資料的基礎。即使您僅有少量資料甚至沒有資料，模型仍會提供自動對應功能。下游模型為僅使用您的個人資料建立。並未使用客戶資料訓練全域模型。
一般資訊
此解決方案以子句轉換器預先訓練的「all-mpnet-base-v2」模型為基礎，此模型針對 10 億個以上的子句配對進行微調。預先訓練的模型可在 HuggingFace 上使用，並納入「自動對應」解決方案，以允許根據客戶的資料和需求為客戶進行自訂。
授權
「自動對應」適用於擁有 Data Cloud 授權的 Salesforce 客戶。
問題或註解
將模型相關的問題或註解傳送至 support@salesforce.com。
預期用途
「Marketing Cloud Engagement 中的 Einstein 內容選取與測試」模型適用於下列使用個案。
主要預期用途
您可以使用「自動對應」模型來對應中繼資料。主要使用個案為將 DLO 對應至資料模型的平台管理員,以及實作 Data 360 解決方案的解決方案結構設計師。此使用個案以外的任何項目都超出範圍，不建議使用。
- 將 DLO 對應至資料模型的平台管理員
- 實作 Data 360 解決方案的解決方案結構設計師
超出範圍的使用個案
- 主要使用個案以外的任何一切都超出範圍，不建議使用。
相關因素
這些因素與 Data 360 自動對應模型相關聯。
模式輸入
- DLO 欄位標題名稱與資料類型 (中繼資料)
- DMO 欄位標題名稱與資料類型 (包括標準 DMO 與自訂 DMO)
字串相似度與語意相似度
- 「自動對應」模型是根據尋找欄位和語意相似度之間的字串相似度。STS 會對兩個文字的相似度指派分數。
先前對應
- 模型使用使用量資料，例如特定租戶執行的先前對應。先前的對應會作為可能的建議對應使用。
- 所有模型皆為單一客戶模型，但沒有跨客戶或全域模型。客戶之間不會共用對應。
此文章是否解決您的問題？
請讓我們知道，以便我們改進！
