Lösungsdefinitionen konfigurieren, um Wissensdatenbanklücken zu finden

  • Freigeben Version: Xanadu
  • Aktualisiert 1. August 2024
  • 5 Minuten Lesedauer

    • Die Funktion „Knowledge Demand Insights“ findet Wissenslücken, indem Knowledge Bases mit vorhandenen Aufgaben verglichen werden. Um den Vergleich von Knowledge Bases mit einem Aufgabentyp zu ermöglichen, müssen Sie zuerst Definitionen für Ähnlichkeits- und Clusterlösungen konfigurieren.

    Vorbereitungen

    Diese Aufgabe beschreibt den Prozess zum Konfigurieren einer Lösungsdefinition.

    Anstatt die Konfiguration über dieses Verfahren durchzuführen, sollten Sie ein geführtes Setup verwenden. Navigieren zu Wissen > Administration > Geführtes Setup, klicken Sie auf Erste Schritte, und scrollen Sie dann zum Abschnitt „Einblicke in Wissensbedarf“.

    Erforderliche Rolle: admin

    Warum und wann dieser Vorgang ausgeführt wird

    Konfigurieren Sie einen Ähnlichkeitstyp und eine Lösungsdefinitionen für den Clustering-Typ für jeden Aufgabentyp: Incidents, Kundenservicefälle oder andere Aufgaben. Eine Definition einer Ähnlichkeitslösung erfasst und vergleicht Ihre vorhandenen Datensätze mit neuen ähnlichen Datensätzen. Eine Clustering-Lösungsdefinition gruppiert ähnliche Datensätze in Clustern, damit Sie sie gemeinsam bearbeiten oder Muster identifizieren können.

    Prozedur

    1. Navigieren zu Einblicke in Wissensbedarf > Lösungsdefinitionenan.
    2. Suchen Sie in der Liste Lösungsdefinitionen (ML-Ansicht) nach der Definition der Ähnlichkeitslösung für den Aufgabentyp, und wählen Sie sie aus.
      • Wählen Sie für Kundenservicefälle Einblicke einfordern: Ähnliche Fälle und Wissen (ml_sn_global_similar_cases_and_kbs) aus.
      • Wählen Sie für Incidents Einblicke verlangen: Ähnliche Incidents und Wissen (ml_sn_global_similar_incidents_and_kbs) aus.
      • Wählen Sie für HR-Fälle Einblicke einfordern: Ähnliche HR-Fälle und Wissen (ml_x_sn_hr_core_global_demand_insights_similar_hr_cases_and_knowledge) aus.
      • Klicken Sie für andere Aufgaben als Kundenservicefälle, Incidents und HR-Fälle auf Neu, um eine weitere Definition der Ähnlichkeitslösung zu erstellen.
    3. Überprüfen Sie im Formular „Ähnlichkeitsdefinition“ die Standardfeldwerte für Kundenservicefälle oder Incidents, oder füllen Sie die Werte für eine anwenderdefinierte Konfiguration aus.
      Hinweis:
      Wenn der Anwendungsbereich nicht auf „Wissensmanagement – Maschinelles Lernen“ festgelegt ist, können Sie das Formular nicht bearbeiten, und es wird eine Warnmeldung angezeigt. Um das Formular bearbeitbar zu machen, klicken Sie am Ende der Nachricht auf das Wort hier.
      Tabelle : 1. Formular „Ähnlichkeitsdefinition“
      Feld Beschreibung
      Bezeichnung Eindeutiger Name für die Ähnlichkeitslösung
      Wortkorpus Definiert, welche Wissensartikel und Aufgaben für die Wissenslückenanalyse ausgewählt werden.

      Wenn Sie keinen relevanten Wortkorpus haben, folgen Sie den Schritten unter Wortkorpus erstellen.
      Tabelle Tabelle, die die Datensätze der Wissensartikel enthält. Legen Sie den Wert auf „Wissen“ [kb_knowledge] fest, es sei denn, Sie verwenden eine andere Tabelle zum Speichern von Wissensartikeln.

      Nachdem Sie einen Tabellenwert zugewiesen haben, wird die Anzahl der Datensätze, die den Filterbedingungen entsprechen, als Link angezeigt.
      Felder Felder aus der Wissenstabelle, die für die Wissenslückenanalyse ausgewählt wurden.
      Filter Filterbedingungen, die auf die Wissenstabelle angewendet werden, um Wissensartikeldatensätze für die Wissenslückenanalyse zu filtern.
      Testtabelle Tabelle mit den Aufgabendatensätzen, die Sie mit den Datensätzen von Wissensartikeln vergleichen möchten.
      Testfelder Felder aus der Aufgabentabelle, die für die Wissenslückenanalyse ausgewählt wurden.
      Verarbeitungs­sprache Die dominante Sprache des Datensatzes, den Sie anhand der Lösungsdefinition trainieren. Standardmäßig werden alle Datensätze in Englisch verarbeitet. Wenn Sie beispielsweise Italienisch auswählen, verarbeitet das System die Daten sowohl in Englisch als auch in Italienisch.
      Hinweis:
      Der Begriff Verarbeitung beinhaltet einige der sprachspezifischen Schritte, die im Rahmen des Trainings einer Lösung verwendet werden. Diese Schritte können dabei das Tokenisieren von Wörtern, das Entfernen von Stoppwörtern und die Wortstammerkennung umfassen.
      Stoppwörter Allgemeine Begriffe in der Verarbeitungssprache, die von der Suche ausgeschlossen werden, z. B. Präpositionen.

      Nachdem Sie die Verarbeitungssprache ausgewählt haben, fügt das System automatisch eine Stoppwortliste in derselben Sprache hinzu. Wenn Ihre Verarbeitungssprache beispielsweise Italienisch ist, wird die Liste für standardmäßige italienische Stoppwörter angezeigt. Die Liste für standardmäßige englische Stoppwörter wird in Ihrer Auswahl auch angezeigt.
      Schulungs­häufigkeit Häufigkeit, mit der das Modell für die Definition der Ähnlichkeitslösung neu trainiert werden muss.
      Aktualisierungshäufigkeit Häufigkeit, mit der neue Datensätze in das Modell für die Definition der Ähnlichkeitslösung aufgenommen werden sollen
    4. Übermitteln und trainieren Sie die Lösungsdefinition.
      • Klicken Sie bei einem neuen Lösungsdefinitionsdatensatz auf Absenden und trainieren.
      • Klicken Sie bei einem vorhandenen Lösungsdefinitionsdatensatz auf Aktualisieren und erneut trainieren.
    5. Wahlweise: Fügen Sie weitere nützliche zugehörige Artikel hinzu, indem Sie die Ähnlichkeitsbeispiele basierend auf der Ähnlichkeitspunktzahl überprüfen und den Schwellenwert für die Ähnlichkeitspunktzahl aktualisieren.
      Weitere Informationen finden Sie unter Lösungsähnlichkeitsbeispiele überprüfen und Ihren Schwellenwert für die Ähnlichkeitspunktzahl aktualisieren.
    6. Suchen Sie in der Liste Lösungsdefinitionen (ML-Ansicht) nach der Definition der Clusterlösung für den Aufgabentyp, und wählen Sie sie aus.
      • Wählen Sie für Kundenservicefälle Einblicke anfordern: Fall-Cluster benötigen Wissen (ml_sn_global_cases_need_knowledge_cluster) aus.
      • Wählen Sie für Incidents Einblicke einfordern: Incident-Cluster benötigen Wissen (ml_sn_global_incidents_need_knowledge_cluster) aus.
      • Wählen Sie für HR-Fälle Einblicke einfordern: HR-Fallcluster benötigen Wissen (ml_x_sn_hr_core_global_demand_insights_hr_case_clusters_need_knowledge).
      • Klicken Sie für andere Aufgaben als Kundenservicefälle und Incidents auf Neu, um eine weitere Definition der Clusterlösung zu erstellen.
    7. Überprüfen Sie im Formular „Clustering-Definition“ die Standardfeldwerte für Kundenservicefälle oder Incidents, oder füllen Sie die Werte für eine anwenderdefinierte Konfiguration aus.
      Hinweis:
      Wenn der Anwendungsbereich nicht auf „Wissensmanagement – Maschinelles Lernen“ festgelegt ist, können Sie das Formular nicht bearbeiten, und es wird eine Warnmeldung angezeigt. Um das Formular bearbeitbar zu machen, klicken Sie am Ende der Nachricht auf das Wort hier.
      Tabelle : 2. Formular „Clustering-Definition“.
      Feld Beschreibung
      Bezeichnung Eindeutiger Name für Ihre Clusterlösung.
      Wortkorpus Welche Aufgaben für Sammlungen ausgewählt werden.
      Tabelle Tabelle, die die gefilterten Aufgaben enthält, für die Wissensartikel erforderlich sind. Legen Sie den Wert auf Aufgaben-Wissensabdeckung [kb_task_knowledge_coverage] fest, es sei denn, Sie verwenden eine andere Tabelle zum Speichern gefilterter Aufgaben.

      Nachdem Sie einen Tabellenwert zugewiesen haben, wird die Anzahl der Datensätze, die den Filterbedingungen entsprechen, als Link angezeigt.
      Felder Felder aus der Tabelle „Aufgaben-Wissensabdeckung“ für Wissenslückenanalyse ausgewählt.
      Filter Filterbedingungen, die auf die Tabelle „Aufgaben-Wissensabdeckung“ angewendet werden, um Wissensartikeldatensätze für die Wissenslückenanalyse zu filtern.
      Verarbeitungs­sprache Die dominante Sprache des Datensatzes, den Sie anhand der Lösungsdefinition trainieren. Standardmäßig werden alle Datensätze in Englisch verarbeitet. Wenn Sie beispielsweise Italienisch auswählen, verarbeitet das System die Daten sowohl in Englisch als auch in Italienisch.
      Hinweis:
      Der Begriff Verarbeitung beinhaltet einige der sprachspezifischen Schritte, die im Rahmen des Trainings einer Lösung verwendet werden. Diese Schritte können dabei das Tokenisieren von Wörtern, das Entfernen von Stoppwörtern und die Wortstammerkennung umfassen.
      Stoppwörter Allgemeine Begriffe in der Verarbeitungssprache, die von der Suche ausgeschlossen werden, z. B. Präpositionen.

      Nachdem Sie die Verarbeitungssprache ausgewählt haben, fügt das System automatisch eine Stoppwortliste in derselben Sprache hinzu. Wenn Ihre Verarbeitungssprache beispielsweise Italienisch ist, wird die Liste für standardmäßige italienische Stoppwörter angezeigt. Die Liste für standardmäßige englische Stoppwörter wird in Ihrer Auswahl auch angezeigt.
      Aktualisierungshäufigkeit Häufigkeit, mit der neue und aktualisierte Datensätze in das Modell für die Definition der Clustering-Lösung aufgenommen werden sollen.
      Schulungs­häufigkeit Häufigkeit, mit der das Modell für die Definition der Clusterlösung neu trainiert werden muss.
    8. Übermitteln und trainieren Sie die Lösungsdefinition.
      • Klicken Sie bei einem neuen Lösungsdefinitionsdatensatz auf Absenden und trainieren.
      • Klicken Sie bei einem vorhandenen Lösungsdefinitionsdatensatz auf Aktualisieren und erneut trainieren.

    Nächste Maßnahme

    Füllen Sie das Konfigurationsformular für die KB-Kuration aus, um die geplanten Aufgaben für Bedarfseinblicke zu definieren. Weitere Informationen finden Sie unter Konfigurieren Sie die Zuordnung von Lösungsdefinitionen zu Aufgabentabellen.