Konfigurieren Sie die Datensatzkategorisierung

  • Freigeben Version: Xanadu
  • Aktualisiert 1. August 2024
  • 1 Minute Lesedauer

    • Aktivieren Sie die erforderlichen Plugins, importieren Sie Trainingsdaten, erstellen und trainieren Sie ein Modell, um Feldwerte für Fall- und Interaktionsdatensätze vorherzusagen.

    Tabelle : 1. Schritte zum Konfigurieren der Datensatzkategorisierung
    Schritt Beschreibung
    Stellen Sie sicher, dass Ihre Instanz für Predictive Intelligence (PI) eingerichtet ist.

    Predictive Intelligence ist eine ServiceNow-Plattformfunktion, die eine Ebene künstlicher Intelligenz bereitstellt, die als Framework für ML-Modelle (maschinelles Lernen) dient. Weitere Informationen hierzu finden Sie unter Predictive Intelligence.
    Aktivieren Sie die Anwendung „Task Intelligence for Customer Service“ (com.snc.csm_ml_task).
    Mit der Anwendung Task Intelligence for Customer Service können Kunden Modelle für maschinelles Lernen zur Kategorisierung erstellen und trainieren. Diese Anwendung aktiviert automatisch die folgenden Plugins:
    • Predictive Intelligence für Customer Service Management (com.snc.csm_ml)
    • Kundenservice (com.sn_customerservice)
    • Skills Management (com.snc.skills_management)
    • Dynamic Translation (com.glide.dynamic_translation)
    • Spoke des ServiceNow-Spracherkennungsservice (com.glide.language_detection_spoke)
    • Predictive Intelligence – Task Intelligence (com.glide.platform_ml_task)
    • Admin Center für Task Intelligence (com.sn_ti_admin)
    Importieren Sie einen Trainingsdatensatz.

    Sie können die Funktion zur Datensatzkategorisierung mit der Falltabelle [sn_customerservice_case], Tabellen, die die Falltabelle erweitern, und der Interaktionstabelle [interaction] verwenden.

    Es wird empfohlen, einen Trainingsdatensatz in die gewünschte Tabelle zu importieren, um das anfängliche Trainieren eines Kategorisierungsmodells zu unterstützen.
    Hinweis:
    Diese Daten sollten Falltypen enthalten, wenn Sie Tabellen haben, die die Falltabelle erweitern.

    Der Trainingsdatensatz muss auf die Felder zugeschnitten sein, die Sie vorhersagen möchten. Sie sollte auch zusätzliche Datensätze enthalten, die über die richtigen Bezeichnungen (z. B. die erwarteten Feldwerte) für die vorhergesagten Felder verfügen.

    Durch das Erstellen eines Trainingsdatensatzes können Sie Ihre eigenen Daten nutzen, um den Algorithmus zur Vorhersage in den von Ihnen ausgewählten Feldern zu trainieren.
    1. Identifizieren Sie die Tabelle und die Felder, die Ihr Modell vorhersagen soll.
    2. Wählen Sie die Tabelle und die Datensätze zum Trainieren des Modells aus.
    3. Identifizieren Sie die Felder in der ausgewählten Tabelle als Eingabewerte, die zum Trainieren des Modells verwendet werden sollen.
    Richten Sie mindestens ein Kategorisierungsmodell ein, und stellen Sie es bereit. Einzelheiten hierzu finden Sie unter Modell zur Vorhersage von Datensatzfeldern erstellen.