--- sourceDocument: Xanadu-API-Referenz sourceDocumentLink: https://www.servicenow.com/docs/r/de-DE/xanadu/api-reference Release : - xanadu ft:locale : - de-DE ft:publication_title : - Xanadu-API-Referenz ft:clusterId : - crapiref bundleId : - crapiref workflow : - Creator --- # GeniusResultContext: Bereichsbezogen # GeniusResultContext: Bereichsbezogen {#ariaid-title1} * Freigeben Version: Xanadu * * Aktualisiert 1. August 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 6 Minuten Lesedauer 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-](https://www.servicenow.com/docs/2GBuBUNkuiEqgHXIEbz_SA#GeniusResultAnswerScopedAPI "Die GeniusResultAnswer- API bietet Methoden zum Erstellen eines Antwortobjekts in den Prozessorskripts einer Genius-Ergebniskonfiguration. Mit dieser API erstellte Antworten definieren Suchanforderungen oder Schlüssel-Wert-Paarzuordnungen, die Genius-Ergebnis-Antwortkarten ausfüllen können.") 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](https://www.servicenow.com/docs/access?context=create-genius-results-config-ais&version=xanadu&pubname=xanadu-platform-administration&ft:locale=en-US). ## GeniusResultContext -- getMatchingDocuments() {#ariaid-title2} 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. {#GRContext-getMatchingDocuments__table_ehg_4gr_ywb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 1. Parameter] {#GRContext-getMatchingDocuments__table_ehg_4gr_ywb} {#GRContext-getMatchingDocuments__table_fhg_4gr_ywb__entry__2} | 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", "": } ] 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](https://www.servicenow.com/docs/access?context=table-extension-and-classes&version=xanadu&pubname=xanadu-platform-administration&ft:locale=en-US). Datentyp: Zeichenfolge | | \[Array\].sys_id | Sys_id für das Suchergebnisdokument. Datentyp: Zeichenfolge | | \[Array\].\ | KI-Suche Indexfeld aus dem Suchergebnisdokument. Datentyp: Der Datentyp des Indexfelds KI-Suche. | [Tabelle : 2. Ergebnisse] {#GRContext-getMatchingDocuments__table_fhg_4gr_ywb} 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() {#ariaid-title3} 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. {#GRContext-getOriginalSearchPhrase__table_d5s_ntm_qnb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 3. Parameter] {#GRContext-getOriginalSearchPhrase__table_d5s_ntm_qnb} {#GRContext-getOriginalSearchPhrase__table_e5s_ntm_qnb__entry__2} | Typ | Beschreibung | |-|-| | Zeichenfolge | Ursprüngliche Begriffe aus der Suchabfrage. Datentyp: Zeichenfolge | [Tabelle : 4. Ergebnisse] {#GRContext-getOriginalSearchPhrase__table_e5s_ntm_qnb} 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() {#ariaid-title4} 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. {#GRContext-getPredictionResult__table_z3s_4tm_qnb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 5. Parameter] {#GRContext-getPredictionResult__table_z3s_4tm_qnb} {#GRContext-getPredictionResult__table_ajs_4tm_qnb__entry__2} | 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 | [Tabelle : 6. Ergebnisse] {#GRContext-getPredictionResult__table_ajs_4tm_qnb} 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; }