GeniusResultContext: Bereichsbezogen

Die GeniusResultContext- API bietet Methoden zum Abrufen von Suchabfrageinformationen aus dem Kontext einer Genius-Ergebniskonfiguration.

Sie können mit dieser API abgerufene Suchabfragedetails verwenden, um Genius-Ergebnisantwortobjekte auszufüllen, die mit der GeniusResultAnswer- API erstellt wurden.

Verwenden Sie diese API in serverseitigen Genius-Ergebnisskripts mit dem Namespace-Bezeichner sn_ais. Weitere Informationen zur Skriptlogik für Genius-Ergebnisse finden Sie unter Neue Genius-Ergebniskonfiguration erstellen.

GeniusResultContext – getMatchingDocuments()

Ruft Suchergebnisdokumente aus der Suchabfrage ab, die Ihre Genius-Ergebniskonfiguration auslöst.

Verwenden Sie diese Methode im Antwortprozessorskript einer Genius-Ergebniskonfiguration, um Feldwerte aus Suchergebnisdokumenten abzurufen, die von der Suchabfrage zurückgegeben werden, die Ihr Genius-Ergebnis auslöst. Sie können Genius-Ergebnisantworten mit Feldern aus den Suchergebnisdokumenten ausfüllen, indem Sie GeniusResultAnswer- API-Methoden verwenden.

Hinweis:

Diese Methode gibt keine Ergebnisse zurück, wenn sie in einem AI Search request processor -Skript aufgerufen wird, da das Skript ausgeführt wird, bevor KI-Suche die Ergebnisse für die auslösende Suchabfrage berechnet. Verwenden Sie diese Methode nicht in Ihren Anforderungsprozessorskripts.

Tabelle : 1. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 2. Ergebnisse

Typ	Beschreibung
[Array]	Array von Objekten, in dem jedes Objekt ein Suchergebnisdokument darstellt, das der Suchabfrage entspricht. Datentyp: Array [ { ".score": Number, ".table": "String", ".text": "String", ".title": "String", ".url": "String", "class_name": "String", "sys_id": "String", "<field_name>": <field_value> } ] Hinweis: Je nach Suchabfrage können einige der Indexfelder KI-Suche des Suchergebnisdokuments zusätzlich zu den aufgeführten Name-Wert-Paaren im Objekt angezeigt werden.
[Array]..score	Relevanzpunktzahl, die für das Suchergebnisdokument im Kontext der Suchabfrage berechnet wird. Datentyp: Zahl Hinweis: Der Name für dieses Name/Wert-Paar beginnt mit einem Punkt, um ihn vom allgemeinen Punktzahlfeld des KI-Suche -Index zu unterscheiden.
[Array]..table	Name der Tabelle Now Platform, aus der das Suchergebnisdokument indiziert wurde. Datentyp: Zeichenfolge Hinweis: Der Name für dieses Name-Wert-Paar beginnt mit einem Punkt, um es vom allgemeinen Feld der Tabelle des KI-Suche -Index zu unterscheiden.
[Array]..text	Indizierter Text aus dem Suchergebnisdokument. Datentyp: Zeichenfolge Hinweis: Der Name für dieses Name/Wert-Paar beginnt mit einem Punkt, um ihn vom allgemeinen Textfeld des Index KI-Suche zu unterscheiden.
[Array]..title	Indizierter Titel für das Suchergebnisdokument. Datentyp: Zeichenfolge Hinweis: Der Name für dieses Name/Wert-Paar beginnt mit einem Punkt, um ihn vom allgemeinen Titelfeld des Index KI-Suche zu unterscheiden.
[Array]..url	URL für das Suchergebnisdokument. Datentyp: Zeichenfolge Hinweis: Der Name für dieses Name/Wert-Paar beginnt mit einem Punkt, um ihn vom allgemeinen URL -Feld des KI-Suche -Index zu unterscheiden.
[Array].class_name	Die untergeordnete Klasse, zu der das Suchergebnisdokument gehört. Weitere Informationen zu untergeordneten Tabellenklassen finden Sie unter Table extension and classes. Datentyp: Zeichenfolge
[Array].sys_id	Sys_id für das Suchergebnisdokument. Datentyp: Zeichenfolge
[Array].<field_name>	KI-Suche Indexfeld aus dem Suchergebnisdokument. Datentyp: Der Datentyp des Indexfelds KI-Suche.

Dieses Skript AI Search response processor ruft bis zu drei Suchergebnisdokumente ab, die mit der Suchabfrage übereinstimmen, und prüft, ob eines davon aus der Wissenstabelle [kb_knowledge] stammt. Wenn ein Suchergebnisdokument aus der Wissenstabelle gefunden wird, fügt die Funktion die Felder dieses Dokuments dem GeniusResultAnswer- Objekt hinzu, damit die Anwenderoberfläche sie dem Anwender anzeigen kann.

function process(context) {
  var answer = new sn_ais.GeniusResultAnswer();
  var matchingDocuments = context.getMatchingDocuments();
  if (matchingDocuments.length > 1) {
    for (var i = 0; i < 3; i++) {
      var currentDocument = matchingDocuments[i];
      if (currentDocument['.table'] == 'kb_knowledge') {
        var gr = new GlideRecord("kb_knowledge");
        if (gr.get(currentDocument['sys_id'])) {
          answer.addDataMap({
            "number": currentDocument['number'],
            "url": currentDocument['.url'],
            "title": currentDocument['.title']
          });
        }
      }
      break;
    }
  }
  return answer;
}

GeniusResultContext – getOriginalSearchPhrase()

Ruft die ursprünglichen Suchbegriffe aus der Suchabfrage ab, die Ihre Genius-Ergebniskonfiguration auslöst.

Sie können abgerufene Suchbegriffe verwenden, um Genius-Ergebnisantworten mithilfe von GeniusResultAnswer- API-Methoden auszufüllen.

Tabelle : 3. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 4. Ergebnisse

Typ	Beschreibung
Zeichenfolge	Ursprüngliche Begriffe aus der Suchabfrage. Datentyp: Zeichenfolge

Dieses AI Search request processor -Skript ruft die ursprünglichen Begriffe der Suchabfrage ab und verwendet sie als Abfragebegriffe für eine neue Fragmentsuche.

function process(context) {
  var answer = new sn_ais.GeniusResultAnswer();

  var searchPhrase = context.getOriginalSearchPhrase();
  answer.setSearchPhrase(searchPhrase);
  answer.snippetSearch(true);

  return answer;
}

GeniusResultContext – getPredictionResult()

Ruft NLU Modellvorhersageergebnisse für die Suchabfrage ab, die Ihre Genius-Ergebniskonfiguration auslöst.

Verwenden Sie diese Methode im Anforderungs- oder Antwortprozessorskript einer Genius-Ergebniskonfiguration, um die Absicht abzurufen, die für die auslösende Suchabfrage erkannt wurde. Sie können Genius-Ergebnisantworten mit Details aus der erkannten Absicht ausfüllen, indem Sie GeniusResultAnswer- API-Methoden verwenden.

Tabelle : 5. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 6. Ergebnisse

Typ	Beschreibung
[Array]	Array von Objekten, in dem jedes Objekt ein NLU -Modell der Absichtsvorhersageergebnis für die Suchabfrage darstellt. Datentyp: Array [ { "intentName": "String", "result": {Object}, "solutionName": "String" } ]
[Array].intentName	Name der NLU -Modellabsicht, die in der Suchabfrage erkannt wurde. Datentyp: Zeichenfolge
[Array].result	Objekt, das das Ergebnis der Absichtsvorhersage des Modells NLU für die Suchabfrage darstellt. Datentyp: Objekt "result": { "application": {Object}, "result": {Object}, "solutionLabel": "String", "solutionName": "String", "solutionType": "String", "type": "String", "version": Number }
[Array].result.application	Objekt mit Metadaten für die Suchanwendung, die das Vorhersageergebnis erzeugt hat. Datentyp: Objekt "application": { "language": "String", "type": "String" }
[Array].result.application.language	Sprachkontext für die Anwendung Now Platform, die das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge
[Array].result.application.type	Typ der Anwendung Now Platform, die das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge
[Array].Ergebnis.Ergebnis	Objekt mit Details für das Ergebnis der Modellabsichtsvorhersage NLU. Datentyp: Objekt "result": { "entities": [Array], "intentName": "String", "intents": [Array], "nluModelName": "String", "score": Number }
[Array].result.result.entities	Array von Objekten, in dem jedes Objekt eine NLU -Modellabsichtsentität darstellt, die in der Suchabfrage erkannt wurde. Datentyp: Array "entities": [ { "matchingSegments": [Array], "name": "String", "parts": [Array], "score": Number, "startingPosition": Number, "value": "String" } ]
[Array].result.result.entities.matchingSegments	Array von Objekten, in dem jedes Objekt ein übereinstimmendes Segment der erkannten NLU -Entität darstellt. Datentyp: Array "matchingSegments": [ { "directMatch": Boolean "meta": {Object}, "value": "String" } ]
[Array].result.result.entities.matchingSegments.directMatch	Kennzeichnung, die angibt, ob das übereinstimmende Entitätssegment NLU eine genaue Übereinstimmung mit dem Entitätswert darstellt.
[Array].result.result.entities.matchingSegments.meta	Objekt mit Feldern als Schlüssel-Wert-Paar, die Metadaten für das Entitätsübereinstimmungssegment NLU darstellen. Datentyp: Objekt "meta": { "augmentedBy": "String", "colMeta:first_name": "String", "colMeta:last_name": "String", "compositionStrategy": "String", "fieldName": "String", "searchPreProcessors": "String", "SUB_PHRASE.penalty": "String", "tableName": "String" }
[Array].result.result.entities.matchingSegments.value	Zeichenfolgenwert des Entitätsübereinstimmungssegments NLU. Datentyp: Zeichenfolge
[Array].result.result.entities.name	Name für die erkannte Entität NLU ] im Format „entity:[NLU_model].[intent].[entity_type]. Datentyp: Zeichenfolge
[Array].result.result.entities.parts	Array von Objekten, in dem jedes Objekt einen NLU -Entitätsteil darstellt, der im Vorhersageergebnis gefunden wurde. Datentyp: Array "parts": [ { "meta": {Object}, "value": "String" } ]
[Array].result.result.entities.parts.meta	Objekt mit Feldern als Schlüssel-Wert-Paar, die Metadaten für den Entitätsteil NLU darstellen. Datentyp: Objekt "meta": { "augmentedBy": "String", "colMeta:name": "String", "compositionStrategy": "String", "fieldName": "String", "searchPreProcessors": "String", "SUB_PHRASE.penalty": "String", "tableName": "String" }
[Array].result.result.entities.parts.value	Zeichenfolgenwert des Entitätsteils NLU. Datentyp: Zeichenfolge
[Array].result.result.entities.score	Numerische Punktzahl von 0 bis 1, die die Konfidenz für die erkannte NLU -Entität angibt. Datentyp: Zahl
[Array].result.result.entities.startingPosition	Numerischer Index für die Zeichenposition in der Suchabfrage, an der die erkannte Entität NLU beginnt. Datentyp: Zahl
[Array].result.result.entities.value	Zeichenfolgenwert von NLU, der in der Suchabfrage erkannt wurde. Datentyp: Zeichenfolge
[Array].result.result.intentName	Name der NLU -Modellabsicht, die in der Suchabfrage erkannt wurde. Datentyp: Zeichenfolge
[Array].Ergebnis.Ergebnis.Absichten	Array von Objekten, in dem jedes Objekt eine geschachtelte NLU -Modellabsicht darstellt, die in der Suchabfrage erkannt wurde. Geschachtelte Absichtsobjekte enthalten dieselben Parameternamen und Datentypen wie das übergeordnete Modellabsichtsobjekt NLU. Datentyp: Array "intents": [ { "entities": [Array], "intentName": "String", "intents": [Array], "nluModelName": "String", "score": Number } ]
[Array].result.result.nluModelName	Name des Modells NLU, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge
[Array].result.result.score	Numerische Punktzahl von 0 bis 1, die die Konfidenz für das Vorhersageergebnis des Modells NLU angibt. Datentyp: Zahl
[Array].result.solutionLabel	Bezeichnung für das Modell NLU, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge
[Array].result.solutionName	Name für das Modell NLU, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge
[Array].result.solutionType	Typ für das Modell NLU, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge
[Array].result.type	Typ des Vorhersageergebnisses. Datentyp: Zeichenfolge
[Array].result.version	Version des Modells NLU, das das Vorhersageergebnis erzeugt hat. Datentyp: Zahl
[Array].solutionName	Name des Modells NLU, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge

Dieses AI Search request processor Skript überprüft, ob die Suchabfrage ein NLU -Modellvorhersageergebnis enthält. Wenn ein Vorhersageergebnis gefunden wird, werden die übereinstimmenden Segmente aus allen erkannten catalogItem-Entitäten als Suchbegriffe hinzugefügt.

function process(context) {
  var answer = new sn_ais.GeniusResultAnswer();

  answer.setTable('sc_cat_item');
  answer.setSearchLimit(2);
  var predictionResult = context.getPredictionResult();
  if (predictionResult && predictionResult.length == 1) {
    var detail = predictionResult[0];
    if (detail['result'] && detail['result']['entities']) {
      var entities = detail['result']['entities'];
      for (var i = 0; i < entities.length; i++) {
        if (entities[i]['name'].endsWith('catalogItem')) {
          var matchingSegments = entities[i]['matchingSegments'];
          for (var j = 0; j < matchingSegments.length; j++)
            answer.addSearchPhrases([matchingSegments[j]['value']]);
        }
      }
    }
  }

  return answer;
}