UiPath Communications Miningでは、モデルをピン留めすることで、「探索」タブに表示される予測が、その特定のモデルバージョンから生成されたものになることが保証されます。この機能により、特に評価段階や比較段階において、どのバージョンのモデルが予測をアクティブに行うかを制御できます。モデルをピン留めすることで、UIが選択したバージョンの予測を反映するように設定できるため、結果の分析や変更を行う際の一貫性を維持できます。
詳細については、以下を参照してください。
* UiPath Communications Mining: モデル管理とピンニング
* UiPath AI Center ドキュメント: モデルバージョンの管理

UiPath Communications Miningでは、トレーニングプロセス中に検索機能に過度に依存すると、モデルのバイアスが増大する可能性があります。これは、検索ベースのフィルタリングを使用してサンプルを識別およびラベル付けすると、データの多様性を完全に反映できない可能性があるためです。モデルはデータの偏ったサブセットでトレーニングされ、特定のパターンやキーワードを優先する傾向が生まれ、すべてのデータにわたって効果的に一般化するのではなく、特定の種類のデータに偏ってしまう可能性があります。
検索の使用を制限することで、トレーニング プロセスでより広範かつ代表的なデータ サンプルが考慮されるようになり、モデルにバイアスが導入されるリスクが軽減され、新しい未知の通信に対してモデルをより適切に一般化できるようになります。
詳細については、以下を参照してください。
* UiPath Communications Mining ドキュメント: モデルのトレーニングとバイアスの回避

UiPathのドキュメントによると、データラベリングとは、生データをアップロードし、ラベリングツールでテキストデータに注釈を付け、ラベル付けされたデータを使用してMLモデルをトレーニングするプロセスです1。データラベリングは、組織内外のラベラーによって実行されます2。ただし、UiPathデータラベリングツールでは同時ラベリングはサポートされていないため、一度に1人のユーザーのみがドキュメントにラベルを付けることができます3。複数のユーザーが同時に同じドキュメントにラベルを付けようとすると、「ドキュメントは別のユーザーによってロックされています。しばらくしてからもう一度お試しください。」というエラーメッセージが表示されます。したがって、正解はCです。
参考文献:
1: データラベリングについて 2: データラベリングの役割 3: データラベリングの制限事項 : データラベリングのエラーメッセージ

UiPath Communications Miningは、自然言語処理（NLP）を用いて、メール、チャットログ、その他のテキスト入力などの非構造化コミュニケーションデータを分析・処理します。これにより、大量のコミュニケーションデータから実用的なインサイトを自動的に抽出することが可能になります。

平均適合率（MAP）は、UiPath Communications Miningにおいて分類モデルのパフォーマンス、特に「すべてのラベル」要素を評価するために使用される主要な指標です。MAPは、予測の適合率と再現率の両方を考慮して、モデルがラベルをどれだけ正確に予測できるかを評価します。この指標は、データセット内のすべてのラベルの精度を総合的に評価するために、情報検索システムでよく使用されます。
(出典: UiPath Communications Mining ドキュメント)