SimilaritySolution - 전역

  • 릴리스 버전: Australia
  • 업데이트 날짜 2026년 03월 12일
  • 소요 시간: 19분

    • SimilaritySolution API는 스토어에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.

    이것 API에는 플러그인(com.glide.platform_ml)이 필요 예측 인텔리전스 하며 sn_ml 네임스페이스 내에서 제공됩니다.

    솔루션 설정부터 교육까지의 플로우는 다음과 같습니다.
    1. 생성자를 사용하여 유사성 솔루션 객체를 만듭니다.
    2. SimilaritySolutionStore - add() 메서드를 사용하여 솔루션 객체를 유사성 솔루션 저장소에 추가합니다.
    3. submitTrainingJob() 메서드를 사용하여 솔루션을 교육합니다. 이렇게 하면 SimilaritySolutionVersion API를 사용하여 관리할 수 있는 객체 버전이 생성됩니다.
    4. SimilaritySolutionVersion – predict() 메서드를 사용하여 예측을 가져옵니다.
    주:
    이 API는 Vancouver 패치 7 핫픽스 2b 및 Washington DC 패치 7 릴리스 전에 모든 권한으로 실행됩니다. 이후 릴리스에서는 ACL을 사용하여 액세스 권한을 부여합니다. 자세한 내용은 다음 문서를 참조하십시오 Query ACLs.

    사용 지침은 ML API 사용을 참조하세요.

    SimilaritySolution - SimilaritySolution(객체 구성)

    유사성 솔루션을 생성합니다.

    표 1. 매개변수
    이름 유형 설명
    구성 객체 의 구성 속성을 포함하는 JavaScript 객체 해결책.
    {  
  "domainName": "String",
  "label": "String",
  "lookupDataset": {Object},
  "minRowCount": "String",
  "processingLanguage": "String",
  "stopwords": [Array],
  "testDataset": {Object},
  "trainingFrequency": "String",
  "updateFrequency": "String"
}
    config.domainName 문자열 옵션입니다. 이 데이터 세트와 연결된 도메인 이름입니다. 도메인 분리 및 예측 인텔리전스를 참조하십시오.

    기본값: 현재 도메인(예: "전역").
    config.label 문자열 예측 작업을 식별합니다.
    config.lookupDataset 객체 조회 세트로 사용할 DatasetDefinition 의 이름입니다.
    config.minRowCount 문자열 옵션입니다. 교육을 위해 데이터 세트에 필요한 최소 기록 수입니다.

    기본값: 10000
    config.processingLanguage 문자열 옵션입니다. 두 글자 ISO 639-1 언어 코드 형식의 처리 언어입니다.

    기본값: "en"
    config.stopwords 배열 옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 문자열의 사전 설정 목록입니다 language . 자세한 내용은 사용자 지정 스톱 워드 목록 만들기를 참조하세요.

    기본값: 영어 스톱 워드
    config.testDataset 객체 결과와의 lookupDataset 유사성을 검사할 DatasetDefinition의 이름입니다.
    config.trainingFrequency 문자열 옵션입니다. 모델을 재교육할 빈도입니다.
    가능한 값:
    • every_30_days
    • every_60_days
    • every_90_days
    • every_120_days
    • every_180_days
    • run_once
    기본값: run_once
    config.updateFrequency 솔루션 정의에 대한 모델을 재구축해야 하는 빈도입니다.
    가능한 값:
    • do_not_update
    • every_1_day
    • every_1_hour
    • every_6_hours
    • every_12_hours
    • every_1_minute
    • every_15_minutes
    • every_30_minutes
    기본값: do_not_update

    다음 예제에서는 객체를 생성하고 객체를 SimilaritySolution 스토어입니다.

    var incidentData = new sn_ml.DatasetDefinition({
        'tableName' : 'incident',
        'fieldNames' : ['category', 'short_description']        
    });
    var kbData = new sn_ml.DatasetDefinition({
        'tableName' : 'kb_knowledge',
        'fieldNames' : ['short_description'],
        'encodedQuery' : 'active=true'
    });

    var mySolution = new sn_ml.SimilaritySolution({
        'label': "similarity solution",
        'lookupDataset' : kbData,
        'testDataset' : incidentData,              
    });
    
    // add solution
    var solutionName = sn_ml.SimilaritySolutionStore.add(mySolution);

    SimilaritySolution - cancelTrainingJob()

    에 대한 작업을 취소 솔루션 객체 교육을 위해 제출된

    표 2. 매개변수
    이름 유형 설명
    안 함
    표 3. 반환
    유형 설명
    안 함

    다음 예는 기존 교육 작업을 취소하는 방법을 보여줍니다.

    var mySolution = sn_ml.SimilaritySolutionStore.get('ml_sn_global_global_similarity');

mySolution.cancelTrainingJob();

    SimilaritySolution - getActiveVersion()

    활성 항목을 가져옵니다. SimilaritySolutionVersion 객체입니다.

    표 4. 매개변수
    이름 유형 설명
    안 함
    표 5. 반환
    유형 설명
    객체 활성 SimilaritySolutionVersion 객체입니다.

    다음 예제에서는 유사성 솔루션 스토어에서 활성 버전을 가져오고 교육 상태를 반환

    var mlSolution = sn_ml.SimilaritySolutionStore.get('ml_x_snc_global_global_similarity');

gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getStatus()), null, 2));

    출력:

    {
  "state": "solution_complete",
  "percentComplete": "100",
  "hasJobEnded": "true"
}

    SimilaritySolution - getAllVersions()

    의 모든 버전을 가져옵니다.SimilaritySolution 객체입니다.

    표 6. 매개변수
    이름 유형 설명
    안 함
    표 7. 반환
    유형 설명
    배열 솔루션 객체의 기존 버전입니다. 더 보기 SimilaritySolutionVersion API입니다.

    다음 예제는 모든 SimilaritySolution 버전 객체를 가져오고 getVersionNumber() 및 getStatus() 솔루션 버전 메서드를 호출하는 방법을 보여줍니다.

    var mlSolution = sn_ml.SimilaritySolutionStore.get('ml_x_snc_global_global_Similarity');

var mlSolutionVersions = mlSolution.getAllVersions();

for (i = 0; i < mlSolutionVersions.length; i++) {
gs.print("Version " + mlSolutionVersions[i].getVersionNumber() + " Status: " + mlSolutionVersions[i].getStatus() +"\n");

    출력:

    Version 3 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}

Version 2 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}

Version 1 Status: {"state":"solution_cancelled","percentComplete":"0","hasJobEnded":"true"}

    SimilaritySolution - getLatestVersion()

    의 최신 버전을 가져옵니다. 해결책.

    표 8. 매개변수
    이름 유형 설명
    안 함
    표 9. 반환
    유형 설명
    객체 SimilaritySolutionVersion 의 최신 버전에 해당하는 객체 : SimilaritySolution입니다.

    다음 예제에서는 솔루션의 최신 버전을 가져오 고 교육 상태를 반환하는 방법을 보여줍니다.

    var mlSolution = sn_ml.SimilaritySolutionStore.get('ml_x_snc_global_global_Similarity');

gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus()), null, 2));

    출력:

    {
  "state": "solution_complete",
  "percentComplete": "100",
  "hasJobEnded": "true"
}

    SimilaritySolution - getName()

    스토어와의 상호작용에 사용할 객체의 이름을 가져옵니다.

    표 10. 매개변수
    이름 유형 설명
    안 함
    표 11. 반환
    유형 설명
    문자열 솔루션 객체의 이름입니다.

    다음 예제에서는 유사성 솔루션 데이터 세트 정보를 업데이트하고 객체 이름을 인쇄하는

    // Update solution
var myIncidentData = new sn_ml.DatasetDefinition({
   'tableName' : 'incident',
   'fieldNames' : ['category', 'short_description', 'priority'],
   'encodedQuery' : 'activeANYTHING'
});

var eligibleFields = JSON.parse(myIncidentData.getEligibleFields('Similarity'));

var mySimilarity = new sn_ml.SimilaritySolution({
   'label': "my Similarity solution",
   'dataset' : myIncidentData,
   'inputFieldNames': eligibleFields['eligibleInputFieldNames'],
   'predictedFieldName': 'category'
});

// update solution
sn_ml.SimilaritySolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', mySimilarity);

// print solution name
gs.print('Solution Name: '+mySimilarity.getName());

    출력:

    Solution Name: ml_x_snc_global_global_my_solution_definition_4

    SimilaritySolution - getProperties()

    솔루션 객체 속성 가져오기.

    표 12. 매개변수
    이름 유형 설명
    안 함
    표 13. 반환
    유형 설명
    객체 SimilaritySolutionStore의 데이터 세트 및 SimilaritySolution() 개체 세부 정보의 내용입니다.
    {
  "domainName": "String",
  "label": "String",
  "lookupDatasetProperties": {Object},
  "name": "String",
  "processingLanguage": "String",
  "scope": "String",
  "stopwords": [Array],
  "testDatasetProperties": {Object},
  "trainingFrequency": "String",
  "updateFrequency": "String"
}
    <Object>.domainName 이 데이터 세트와 연결된 도메인 이름입니다. 도메인 분리 및 예측 인텔리전스를 참조하십시오.

    데이터 유형: 문자열.
    <Object>.label 예측 작업을 식별합니다. 
    {
  "label": "my first prediction"
}

    데이터 유형: 문자열.
    <Object>.lookupDatasetProperties DatasetDefinition() 조회 세트로 사용되는 객체입니다. 의 상세 정보 
    {
  "encodedQuery": "String",
  "fieldDetails": [Array],
  "fieldNames": [Array],
  "tableName": "String"
}

    데이터 유형: 객체.
    <Object>.lookupDatasetProperties.tableName 데이터 세트의 테이블 이름입니다. 예: "tableName" : "Incident".

    데이터 유형: 문자열.
    <Object>.lookupDatasetProperties.fieldNames 지정된 테이블의 필드 이름을 문자열로 나열합니다. 예: "fieldNames" : ["short_description", "priority"].

    데이터 유형: 배열.
    <Object>.lookupDatasetProperties.fieldNames.fieldDetails 필드 속성을 지정하는 JavaScript 객체의 목록입니다. 
    [
  {
    "name": "String",
    "type": "String"
  }
]

    데이터 유형: 배열.
    <Object>.lookupDatasetProperties.fieldNames.fieldDetails.<object>. 이름 이 데이터 세트를 제한하는 정보 유형을 정의하는 필드의 이름입니다.

    데이터 유형: 문자열.
    <Object>.lookupDatasetProperties.fieldDetails.<object>. 유형 머신 러닝 필드 유형입니다.

    데이터 유형: 문자열.
    <Object>.lookupDatasetProperties.fieldDetails.encodedQuery 표준 Glide 형식으로 인코딩된 쿼리 문자열입니다. 인코딩된 쿼리 문자열을 참조하세요.

    데이터 유형: 문자열.
    <Object>.name 시스템에서 할당한 이름입니다.

    데이터 유형: 문자열.
    <Object>.processingLanguage 두 글자 ISO 639-1 언어 코드 형식의 처리 언어입니다.

    데이터 유형: 문자열.
    <Object>.scope 객체 범위입니다. 현재 유효한 값은 전역입니다.

    데이터 유형: 문자열
    <Object>.stopwords 옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 문자열의 사전 설정 목록입니다 language . 자세한 내용은 사용자 지정 스톱 워드 목록 만들기를 참조하세요.

    데이터 유형: 배열.
    <Object>.testDatasetProperties DatasetDefinition() 이 모델에서 검색된 결과와 에서 찾은 결과 간의 유사성을 검색하는 데 사용되는 객체.lookupDataset 의 상세 정보 
    {
  "encodedQuery": "String",
  "fieldDetails": [Array],
  "fieldNames": [Array],
  "tableName": "String"
}

    데이터 유형: 객체.
    <Object>.testDatasetProperties.tableName 데이터 세트의 테이블 이름입니다. 예: "tableName" : "Incident".

    데이터 유형: 문자열.
    <Object>.testDatasetProperties.fieldNames 지정된 테이블의 필드 이름을 문자열로 나열합니다. 예: "fieldNames" : ["short_description", "priority"].

    데이터 유형: 배열.
    <Object>.testDatasetProperties.fieldNames.fieldDetails 필드 속성을 지정하는 JavaScript 객체의 목록입니다. 
    [
  {
    "name": "String",
    "type": "String"
  }
]

    데이터 유형: 배열.
    <Object>.testDatasetProperties.fieldNames.fieldDetails.<object>. 이름 이 데이터 세트를 제한하는 정보 유형을 정의하는 필드의 이름입니다.

    데이터 유형: 문자열.
    <Object>.testDatasetProperties.fieldDetails.<object>. 유형 머신 러닝 필드 유형입니다.

    데이터 유형: 문자열.
    <Object>.testDatasetProperties.fieldDetails.encodedQuery 표준 Glide 형식으로 인코딩된 쿼리 문자열입니다. 인코딩된 쿼리 문자열을 참조하세요.

    데이터 유형: 문자열.
    <Object>.trainingFrequency 모델을 재교육할 빈도입니다.
    가능한 값:
    • every_30_days
    • every_60_days
    • every_90_days
    • every_120_days
    • every_180_days
    • run_once
    기본값: run_once

    데이터 유형: 문자열.
    <Object>.updateFrequency 솔루션 정의에 대한 모델을 재구축해야 하는 빈도입니다.
    가능한 값:
    • do_not_update
    • every_1_day
    • every_1_hour
    • every_6_hours
    • every_12_hours
    • every_1_minute
    • every_15_minutes
    • every_30_minutes
    기본값: do_not_update

    데이터 유형: 문자열

    다음 예제에서는 저장소에 있는 솔루션 개체의 속성을 가져옵니다.

    var mySolution = sn_ml.SimilaritySolutionStore.get('ml_sn_global_global_similarity_solution');

gs.print(JSON.stringify(JSON.parse(mySolution.getProperties()), null, 2));
    출력:
    *** Script: {
  "domainName": "global",
  "label": "similarity",
  "lookupDatasetProperties": {
    "tableName": "incident",
    "fieldNames": [
      "short_description"
    ]
  },
  "name": "ml_x_snc_global_global_similarity",
  "processingLanguage": "en",
  "scope": "global",
  "stopwords": [
    "Default English Stopwords"
  ],
  "testDatasetProperties": {
    "tableName": "incident",
    "fieldNames": [
      "short_description"
    ]
  },
  "trainingFrequency": "every_30_days",
  "updateFrequency": "do_not_update"
}

    SimilaritySolution - getVersion(문자열 버전)

    솔루션을 가져옵니다. 제공된 버전 번호를 기준으로 합니다.

    표 14. 매개변수
    이름 유형 설명
    버전 문자열 솔루션의 기존 버전 번호입니다.
    표 15. 반환
    유형 설명
    객체 SimilaritySolutionVersion API 메서드를 호출할 수 있는 지정된 버전의 SimilaritySolution() 객체입니다.

    다음 예제에서는 버전 번호로 솔루션의 교육 상태를 가져오는 방법을 보여줍니다.

    var mlSolution = sn_ml.SimilaritySolutionStore.get('ml_x_snc_global_global_similarity');

gs.print(JSON.stringify(JSON.parse(mlSolution.getVersion('1').getStatus()), null, 2));

    출력:

    {
  "state": "solution_complete",
  "percentComplete": "100",
  "hasJobEnded": "true"
}

    SimilaritySolution - setActiveVersion(문자열 버전)

    스토어에서 지정된 버전의 솔루션을 활성화합니다.

    표 16. 매개변수
    이름 유형 설명
    버전 문자열 활성화할 SimilaritySolution() 개체 버전의 이름입니다.

    이 버전을 활성화하면 다른 버전이 비활성화됩니다.
    표 17. 반환
    유형 설명
    안 함

    다음 예는 스토어에서 솔루션 버전을활성화하는 방법을 보여줍니다.

    sn_ml.SimilaritySolution.setActiveVersion("ml_x_snc_global_similarity_solution");

    SimilaritySolution - submitTrainingJob()

    교육 작업을 제출합니다.

    주:
    이 메서드를 실행하기 전에 먼저 SimilaritySolutionStore - add() 메서드를 사용하여 저장소에 솔루션을 추가해야 합니다.
    표 18. 매개변수
    이름 유형 설명
    안 함
    표 19. 반환
    유형 설명
    객체 SimilaritySolutionVersion 객체에 해당하는 객체입니다. 유사성 솔루션 학습 중인 
    // Create a dataset 
var incidentData = new sn_ml.DatasetDefinition({
    'tableName' : 'incident',
    'fieldNames' : ['category', 'short_description']
});

var kbData = new sn_ml.DatasetDefinition({
    'tableName' : 'kb_knowledge',
    'fieldNames' : ['short_description'],
    'encodedQuery' : 'active=true'
});

// Create a solution 
var mySolution = new sn_ml.SimilaritySolution({
    'label': "similarity solution",
    'lookupDataset' : kbData,
    'testDataset' : incidentData
});

// Add solution
var solutionName = sn_ml.SimilaritySolutionStore.add(mySolution);


// Train the solution - this is a long running job 
var mySimilarityVersion = mySolution.submitTrainingJob();