類似性ソリューションの作成とトレーニング

機械学習ソリューションを作成およびトレーニングして、既存のレコードを新しい類似のレコードに収集して比較します。たとえば、オープンインシデントレコード内のテキストを解決済みインシデントレコードと比較して、その解決方法を再利用できます。

始める前に

• 必要なロール:ml_admin または admin

重要:

Washington DCこのリリースでは、クラスタリングモデルと類似性モデルでワークフローソリューションが使用されます。これらは事前にトレーニングされているため、新しいソリューションにワードコーパスは必要ありません。ワードコーパスを含む既存のソリューションがアップグレード後に再トレーニングされると、ワークフローソリューションになり、[ワードコーパス] フィールドがフォームから削除されます。

このタスクについて

予測インテリジェンス は、以下の暗号化タイプでソースデータが保護されるトレーニングソリューションをサポートします。

• FDE (フルディスク暗号化)
• Column Level Encryption。Column Level Encryption を使用する場合は、sharedservice.worker ユーザーに、暗号化に使用されたのと同じ暗号化モジュールロールがあることを確認してください。

注:

予測インテリジェンス は、Edge Encryption でソースデータが暗号化されるトレーニングソリューションをサポートしません。

システムはワークフロー類似性ソリューションを使用します。これは事前トレーニング済みであり、ワードコーパスを構築する必要はありません。類似性に基づいて既存のレコードを比較した後、ソリューションでレビューおよび再利用できる例が推奨されます。

この手順例では、インシデントレコードの作業を行っており、インシデントの解決策を提供できる関連するナレッジベース記事を見つけたいと考えています。

手順

1. 移動先 すべて > 予測インテリジェンス > 類似性 > ソリューション定義.
2. [類似性定義] リストで、[新規] をクリックします。
3. [類似性定義] フォームで、フィールドに入力します。

   フィールド	値
   ラベル	類似性ソリューションの一意の名前を入力します。たとえば、このユースケースでは、「インシデントをナレッジ記事に照合する」と入力します。
   名前	ソリューションラベル値を入力すると、このフィールドには、ラベル値に類似したシステムアサインされた名前が自動的に入力されます。
   ワードコーパス	従来の類似性ソリューションがある場合は、定義フォームの [ ワードコーパス ] フィールドから関連するワードコーパスを選択できます。 注: Washington DCこのリリースでは、事前トレーニング済みモデルが代わりに使用されるため、ワードコーパスは必要ありません。[ ワードコーパス ] フィールドは、事前トレーニング済みモデルの定義フォームに表示されません。 詳細については、「ワードコーパスの作成」を参照してください。
   テーブル	フォームの最初の列で、他の類似レコードと比較するレコードを含むテーブルを選択します。このユースケースでは、解決しようとしているインシデントレコードを含む [インシデント [incident]] テーブルを選択します。 テーブル値をアサインすると、現在の条件に一致するレコード件数を示すリンクがフォームに表示されます。
   テストテーブル	フォームの 2 番目の列で、最初の列レコードと比較するレコードを含むテーブルを選択します。このユースケースでは、解決しようとしているインシデントレコードに関連する情報を提供する KB 記事レコードが含まれている [ナレッジ [kb_knowledge]] テーブルを選択します。 注: 類似性ウィンドウでルックアップ結果を取得できるレコードの数は 100,000 件に制限されています。
   フィールド	フォームの最初の列で、他の類似レコードと比較する単語とフレーズが含まれている可能性が高いフィールドタイプを選択します。この例では、解決しようとしているインシデントレコードのテキストが含まれているフィールドタイプであるため、[簡単な説明]を選択します。 注: [ジャーナルタイプ] は、サポートされているデータタイプではありません。
   テストフィールド	フォームの 2 番目の列で、最初の列レコードと類似または関連するテキストを含む可能性が高いフィールドを選択します。この例では、[簡単な説明] と [記事の本文] を選択します。記事の本文を含めると、件名に関連する KB 記事の詳細を取得する可能性が高くなります。
   フィルター	[フィルター条件の追加] クリックして、類似結果を取得するためにベースとして使用しているフィールドレコードに条件を適用します。たとえば、このユースケースでは、作業しているインシデントレコードがアクティブであるため、[Active] [is] [True] 条件を設定します。
   処理言語	ソリューション定義でトレーニングしているデータセットの主要言語を選択します。データセットの言語がイタリア語の場合は、[イタリア語] を選択します。また、デフォルトでは、すべてのデータセットに英語の処理が適用されます。たとえば、イタリア語を選択した場合、システムは英語とイタリア語の両方でデータを処理します。 注: 「処理」という用語は、ソリューションのトレーニングの一環として使用される言語固有の手順の一部を示します。たとえば、単語のトークン化、ストップワードの削除、語幹の解釈などがあります。
   ストップワード	処理言語を選択した場合、システムは同じ言語を使用しているストップワードリストを自動的に追加します。たとえば、処理言語がイタリア語の場合、[デフォルトのイタリア語のストップワード (Default Italian Stopwords)] リストが表示されます。選択時には、[デフォルトの英語のストップワード (Default English Stopwords)] リストも同様に表示されます。カスタムストップワードリストを作成する場合は、[ストップワード] フィールドから選択して、それをソリューションに追加します。
   トレーニング頻度	1 日 1 回または 30 日に 1 回、3 か月単位で最大 180 日まで再トレーニングするためのオプションを選択します。
   更新頻度	類似結果を取得するために使用するデータをリフレッシュする頻度を選択します。 たとえば、オープンになっているインシデントレコードがある場合、新しいインシデントは通常、1 日を通して頻繁に発生するため、更新頻度を [15 分ごと]に設定することをお勧めします。この頻度によって、新たにオープンされたレコードが更新の対象になる可能性が高まります。 ただし、通常は頻繁に作成されない KB ナレッジ記事レコードを使用するソリューションでは、[1 日ごと] などの低い更新頻度を選択することもできます。 注: ML スケジューラーは、インスタンスがコミットできるトレーニングの数を、24 時間枠でインスタンスあたり 50 件の新規 ML トレーニング要求に制限します。これにより、スケジュール済みの再トレーニング要求は除外されます。さらに、新規トレーニング要求が 24 時間枠内で 50 件を超えた場合でも、クラスタリングと類似性の更新もこの制限から除外されます。

4. ソリューション定義に該当するボタンをクリックします。

   オプション	説明
   保存	後で戻ることができるように、ソリューション定義レコードを保存します。
   送信 & トレーニング	ソリューション定義レコードを作成して、それをトレーニングします。

5. トレーニング用にソリューションを送信した場合は、[トレーニングのアクティブ化] ウィンドウで [OK] をクリックして確定します。

タスクの結果

• 最寄りのトレーニングサービスで処理するソリューション定義がスケジュールされ、トレーニングが完了すると通知が送信されます。通知には、トレーニング中に発生した可能性のあるすべてのエラーが含まれています。他のユーザーは、予測インテリジェンス 通知カテゴリに登録できます。
• トレーニングされたソリューションによって [ソリューション定義] フォームが更新され、類似度によってランク付けされたソリューション例のペアが提供されます。
• トレーニングが完了すると、ソリューションは添付ファイルレコードとしてアップロードされます。

次のタスク

ソリューション定義フォームの [関連リンク] セクションで、トレーニング済み類似ソリューションの例を確認します。「ソリューションの類似例を確認する」を参照してください。