Konfigurieren Sie den Connect-Komponentenalgorithmus und die Levenshtein-Entfernungsmethode für eine Clustering-Lösung
Wenden Sie die Codierung der Verbindungskomponente konfigurieren und der Levenshtein-Entfernungsmethode an, um das Training für Ihre Clustering-Lösungen zu optimieren.
Vorbereitungen
Hinweis:
Das Konfigurieren erweiterter Einstellungen für Ihre ML-Lösungen ist optional. Wenn Sie eine dieser Einstellungen konfigurieren möchten, stellen Sie sicher, dass Sie über die Technologie, die Sie in der Lösung aktivieren, gut informiert sind und dass Ihr Anwendungsfall von dem profitiert, was die Technologie bietet. Weitere Informationen finden Sie unter Tauchen Sie mit erweiterten Clustering-Parametern tiefer ein artikel auf ServiceNow Community.
- Erstellen und trainieren Sie eine Clustering-Lösungsdefinition, oder verwenden Sie eine vorhandene.
- Erforderliche Rolle: administrator oder ml_admin
Warum und wann dieser Vorgang ausgeführt wird
Beim Training von Clustering-Lösungen haben Sie die folgenden drei Optionen.
- Verwenden Sie den standardmäßigen k-Means-Algorithmus.
- Verwenden Sie den optionalen DBSCAN-Lösungsparameter mit der euklidischen Entfernungsmethode als Metrik.
- Verwenden Sie die optionalen Parameter „DBSCAN“, „Minimum Neighbors“ und „Levenshtein-Entfernungslösung“. Die Connect-Komponente wird durch DBSCAN und minimale Nachbarn aktiviert und unterstützt sowohl absatzvektorbasierten Text als auch Levenshtein-abstandsbasierten Text. Wenn Sie Ihre Lösung mit der Levenshtein-Entfernungsmethode trainieren, müssen Sie in Ihrer Clustering-Lösung keinen Wortkorpus verwenden.
In diesem Beispielszenario trainieren Sie Ihre Lösungsdefinition, indem Sie die dritte Option verwenden, auf die oben verwiesen wird.