クラスタリング ソリューションのコネクト コンポーネント アルゴリズムとレーベンシュタイン距離法の構成

コネクトコンポーネントの構成とレーベンシュタイン距離法のエンコーディングを適用して、クラスタリングソリューションのトレーニングを最適化します。

始める前に

必要なロール：admin または ml_admin

注:

ML ソリューションの詳細設定の構成はオプションです。これらの設定のいずれかを構成する場合は、ソリューションで有効にするテクノロジについて十分な情報が得られていること、およびテクノロジが提供するものからメリットを得るユース ケースがあることを確認してください。詳細については、「https://www.servicenow.com/community/intelligence-ml-articles/dive-deeper-with-clustering-advanced-parameters/ta-p/2695847」を参照してください。

• クラスタリングソリューション定義を作成してトレーニングするか、既存のものを使用します。
• 必要なロール：admin または ml_admin

このタスクについて

クラスタリング ソリューションをトレーニングする場合、次の 3 つのオプションがあります。

• 既定の k-means アルゴリズムを使用します。
• オプションの DBSCAN 解析パラメーターをユークリッド距離法とともにメトリクスとして使用します。
• オプションの [DBSCAN]、[最小近傍数]、および [レーベンシュタイン距離] 解析パラメーターを使用します。Connect Component は DBSCAN と Minimum Neighbors によって有効になり、段落ベクトルベースのテキストとレーベンシュタイン距離ベースのテキストの両方をサポートします。レーベンシュタイン距離法を使用してソリューションをトレーニングする場合、クラスタリングソリューションでワードコーパスを使用する必要はありません。

このシナリオ例では、上記の 3 番目のオプションを使用してソリューション定義をトレーニングします。

手順

1. 移動先 すべて > 予測インテリジェンス > クラスタリング > ソリューション定義.
2. トレーニング済みクラスタリングソリューション定義フォームを開きます。
3. フォームの [関連リンク] セクションにある [ソリューションの詳細設定] タブで、[ 新規] をクリックします。

   

4. パラメーターレコードを作成します。
   1. [ソリューションパラメーター] フィールドで、検索アイコンをクリックします。
   2. [ML ソリューションパラメーター] 画面で、[ レーベンシュタイン距離] を選択します。

   

5. [送信] をクリックします。

   [詳細ソリューション設定] レコード画面が更新されます。

   

6. [送信] をクリックします。

   結果： レーベンシュタイン距離は、クラスタリングソリューションに合わせて構成されます。そのソリューションパラメーターは、クラスターリング定義フォームの [ソリューションの詳細設定] タブに表示されます。

   

7. 前のレーベンシュタイン距離の例の手順 1 〜 6 を繰り返しますが、今回は [ 最小近傍数 ] パラメーターと [DBSCAN 解析] パラメーターを作成し、これらを組み合わせて [コンポーネントの接続] 機能を有効にします。

   

   [最小近傍数] ソリューション パラメーターを選択、構成、および送信するときは、必ず [ユーザー入力] フィールドの値を 1 に設定してください。一部のパラメーターにのみ [ユーザー入力] フィールドがあります。

   

   結果 :

   コネクトコンポーネントがクラスタリングソリューション用に構成されています。その 2 つのソリューション パラメーターが、この手順のステップ 1 〜 6 で構成したレーベンシュタイン距離パラメーターとともに、クラスタリング定義フォームの [ソリューション詳細設定] タブに表示されます。

   

関連タスク

• クラスタリングソリューションを作成してトレーニングする