Trainieren und verwenden Sie die Definition der Ähnlichkeitslösung für die Vorhersage von Problemzuweisungen

Trainieren und verwenden Sie die Lösung für maschinelles Lernen, indem Sie aktivieren Governance, Risk und Compliance Predictive Intelligence Plugin. Mit der Lösung kann das System automatisch die richtigen Beauftragten vorschlagen, um Probleme weiterzuleiten. Diese Vorschläge reduzieren den Zeitaufwand für die Entscheidung, wer für das Problem verantwortlich sein soll.

Vorbereitungen

Stellen Sie sicher, dass die folgenden Plugins aktiviert sind.

• Die Richtlinien- und Compliance-Management Plugin
• Die Risikomanagement Plugin
• GRC Das Plugin „Profile“ muss aktiviert sein
• Die Predictive Intelligence Plugin

Ändern Sie Folgendes Governance, Risk und Compliance -Eigenschaften Mit der Rolle sn_grc.admin.

• Vorschlag des Problembeauftragten basierend auf Eigenschaft ( Similarity Analysis).
• Lösung für maschinelles Lernen zur Vorhersage des Problembeauftragten Eigenschaft ( ml_x_snc_sn_grc_pred_intel_global_similarity_solution_definition_for_assigned_to_for_issue).

Erforderliche Rolle: ml_admin

Prozedur

1. Navigieren zu Predictive Intelligence > Ähnlichkeit > Lösungsdefinitionenan.
2. Klicken Sie auf Definition der Ähnlichkeitslösung für „Zugewiesen an“ für Problem Lösung.

   Tabelle : 1. Formular „Ähnlichkeitsdefinition“

   Feld	Wert
   Bezeichnung	Eindeutiger Name für die Ähnlichkeitslösung.
   Name	Name der Ähnlichkeitslösung. Dieses Feld wird automatisch auf den vom System zugewiesenen Namen festgelegt, der Ihrem Wert für am ähnlichsten ist Bezeichnung Feld.
   Wortkorpus	Vorhandener Wortkorpus, der für Ihre Lösung relevant ist. Wählen Sie für diesen Anwendungsfall aus Wortkorpus für Problemzuweisung Wortkorpus. Hinweis: Für Wortkorpora in Ähnlichkeitslösungen ist die Anzahl der Datensätze pro Tabelle auf 300.000 begrenzt.
   Tabelle	Tabelle, die die Datensätze enthält, für die Sie trainieren und für die Sie vorhersagen möchten. Wenn Sie einen Tabellenwert zuweisen, wird im Formular ein Link angezeigt. Der Link zeigt die Anzahl der Datensätze an, die Ihren aktuellen Bedingungen entsprechen. Für diesen Anwendungsfall wird das Feld automatisch auf die Tabelle „Problem“ [sn_grc_issue] festgelegt. Ändern Sie dieses Feld für diese Lösungsdefinition nicht.
   Felder	Feldtypen, die wahrscheinlich bei der Identifizierung des Besitzers helfen. Sie können die Spalten aus der Tabelle in auswählen Tabelle Feld, damit ihre Daten bei der genaueren Vorhersage des Problems helfen. In diesem Anwendungsfall die Kurzbeschreibung Und Beschreibung Felder sind ausgewählt. Diese Felder sind die Feldtypen, die den Text der Problemdatensätze enthalten, deren Besitzer Sie identifizieren möchten. Hinweis: Sie können die hier ausgewählten Felder ändern, wenn sich andere nicht leere wichtige Felder im Problemdatensatz in Ihrer Datenbank befinden , So dass diese Felder Kann helfen, ähnliche Probleme für die Vorhersage der Problembesitzer zu finden.
   Testtabelle	Tabelle, die den Datensatz enthält, für den Sie vorhersagen möchten. Für diesen Anwendungsfall wird das Feld automatisch auf die Tabelle „Problem“ [sn_grc_issue] festgelegt. Hinweis: Die Anzahl der Datensätze, die das Ähnlichkeitsfenster abrufen kann, ist auf 10 beschränkt. Dieses Feld darf für diese Lösungsdefinition nicht geändert werden.
   Testfelder	Felder, die während der Vorhersage als Eingabe verwendet werden. Wählen Sie in diesem Anwendungsfall aus Kurzbeschreibung Und Beschreibung . Hinweis: Sie können die hier ausgewählten Felder ändern, wenn sich andere nicht leere wichtige Felder im Problemdatensatz in Ihrer Datenbank befinden, sodass diese Felder bei der Suche nach ähnlichen Problemen zur Vorhersage der Problembesitzer helfen können.
   Filter	Filter, der Bedingungen auf die Felddatensätze anwendet, die Sie als Basis zum Abrufen Ihrer Ähnlichkeitsergebnisse verwenden. In diesem Anwendungsfall können Sie beispielsweise festlegen Zugewiesen an [ist] [nicht leer] Bedingung, da wenn Sie das Feld leer lassen, kein Vorschlag angezeigt wird.
   Verarbeitungssprache	Dominante Sprache des Datensatzes, den Sie anhand der Lösungsdefinition trainieren. Wenn die Datensatzsprache Englisch ist, wählen Sie Englisch aus. Standardmäßig werden alle Datensätze in Englisch verarbeitet. Beispiel: Wenn Sie auswählen Italienisch , Verarbeitet das System die Daten in Englisch und Italienisch. Hinweis: Die Bedingung Wird verarbeitet Gibt einige der sprachspezifischen Schritte an, die im Rahmen des Trainings einer Lösung verwendet werden. Diese Schritte umfassen das Tokenisieren von Wörtern, das Entfernen von Stoppwörtern und das Stemmming.
   Stoppwörter	Liste der Stoppwörter. Nachdem Sie die Verarbeitungssprache ausgewählt haben, fügt das System automatisch eine Stoppwortliste in derselben Sprache hinzu. Wenn Ihre Verarbeitungssprache beispielsweise Englisch ist, wird die verwendet Standardmäßige Englische Stoppwörter Option wird angezeigt. Die Liste standardmäßige englische Stoppwörter wird auch in Ihrer Auswahl angezeigt. Sie können eine eigene anwenderdefinierte Liste von Stoppwörtern hinzufügen.
   Schulungs­häufigkeit	Häufigkeit des Trainings. Die Option für erneutes Training kann von einmal täglich bis alle 30 Tage in 3-Monatsschritten bis zu 180 Tagen reichen.
   Aktualisierungshäufigkeit	Häufigkeit, mit der die Daten aktualisiert werden sollen, die Sie zum Abrufen Ihrer Ähnlichkeitsergebnisse verwenden. Zum Beispiel treten neue Probleme in der Regel den ganzen Tag über häufig auf. Wenn Sie offene Problemdatensätze haben, können Sie eine Aktualisierungshäufigkeit von auswählen Alle 15 Minuten . Diese Häufigkeit kann die Wahrscheinlichkeit erhöhen, dass neu geöffnete Datensätze in die Aktualisierung aufgenommen werden.

3. Klicken Sie auf die entsprechende Schaltfläche für die Lösungsdefinition.

   Option	Beschreibung
   Speichern	Speichern Sie den Definitionsdatensatz für die Lösung, damit Sie später zu ihm zurückkehren können.
   Aktualisieren und erneut trainieren	Ändern Sie Ihre Lösungsdefinition, und trainieren Sie sie.