---
sourceDocument: 요코하마 AI 활성화
sourceDocumentLink: https://www.servicenow.com/docs/r/ko-KR/yokohama/intelligent-experiences

 Release :

    - yokohama

ft:locale :

    - ko-KR

ft:publication_title :

    - 요코하마 AI 활성화

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# 모델 빌드 및 교육

# 모델 빌드 및 교육 {#ariaid-title1}

* 릴리스 버전: Yokohama
* 
* 업데이트 날짜 2025년 01월 30일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 3분

모델을 만든 후에는 의도, 엔터티, 어휘, 테스트 세트 발언을 추가하여 모델의 컨텐츠를 빌드합니다. 모델 컨텐츠에 NLU 따라 모델이 사용자 입력에 응답하는 방식이 결정됩니다.  
모델은 다음 컨텐츠로 구성됩니다.

* 의도: 사용자가 수행하기를 원하거나 애플리케이션이 수행하기를 원하는 작업입니다.
* 엔터티: 작업에 대한 개체 또는 컨텍스트입니다.
* 어휘: 모델이 사용자의 발언에서 단어의 범위를 이해하는 데 도움이 되도록 어휘를 추가합니다.
* 테스트 세트: 모델 성능을 평가하려면 테스트 발언과 해당 발화에 대해 예측될 것으로 예상되는 의도를 추가합니다.
{#managing-model-content__ul_adv_kxb_krb}

모델 컨텐츠에 액세스하려면 다음으로 이동하십시오. NLU 워크벤치모델. 기본적으로 탭이 가상 에이전트 열립니다. 모델의 애플리케이션에 대한 탭을 선택한 다음 모델 이름을 선택하여 모델 상세 페이지를 엽니다. 모델 빌드 및 교육 카드에서 단계 보기를 선택합니다.

## 의도 {#managing-model-content__section_ps1_r1c_krb}

모델이 사용자 입력을 받으면 의도 를 사용하여 시스템 작업을 수행합니다. 예를 들어, 사용자가 ' <kbd class="ph userinput">느린 노트북에 심각한 문제가 있습니다</kbd>'라고 입력한다고 가정해 보겠습니다. 모델은 발언 입력을 의도 #TroubleshootSlowComputer과 일치시킵니다. 의도가 주제에 가상 에이전트 연결되어 있으면 추가 작업이 트리거됩니다.

의도에는 교육 발언 또는 시스템 작업을 트리거하는 사용자 입력 예시가 포함됩니다. 모델에서 사용자로부터 발생할 수 있는 현실적인 발언을 제공합니다. 교육 발언의 품질은 모델의 정확도에 영향을 줍니다.

자세한 내용은 [NLU 의도](https://www.servicenow.com/docs/AANNKIvuV78xwf~1p~M2PQ "의도는 시스템 작업을 사용자 입력과 일치시켜 모델의 응답을 유도합니다. 좋은 의도를 가진 모델은 도움이 되며 가상 에이전트 검색은 사용자에게 정확하게 응답합니다.") 문서를 참조하십시오.

## 엔터티 {#managing-model-content__section_ckf_y1c_krb}

의도는 입력을 받을 때 모델에 대한 추가 컨텍스트를 제공하기 위해 엔터티 를 사용합니다. 컴퓨터 예에서 노트북은 작업의 엔터티 또는 객체입니다.

NLU 엔터티는 시스템 정의와사용자 정의의 두 가지 범주로 나뉩니다. 날짜, 시간, 위치와 같은 시스템 엔터티는 인스턴스에서 기본적으로 사용할 수 있습니다. 사용자 정의 엔터티를 생성하여 비즈니스 요구 사항에 대한 추가 연관성과 의미를 제공할 수 있습니다.

모든 엔터티는 다른 NLU 모델에서 재사용할 수 있습니다. 그러나 각 모델이 사용하려면 교육 발언에 추가해야 합니다.

자세한 내용은 [NLU 엔터티](https://www.servicenow.com/docs/oW~Po6f6wFFadTLZ9XIEhA "엔터티는 사용자 입력을 받을 때 모델에 추가 컨텍스트를 제공합니다. 발언과 의도에 엔터티를 추가하여 (NLU) 모델의 자연어 이해 예측을 개선합니다.") 문서를 참조하십시오.

## 어휘 {#managing-model-content__section_yxv_dbc_krb}

사용자의 입력에는 다양한 단어와 문구가 포함될 수 있습니다. 또한 모델이 특수 도메인이나 비즈니스 영역에서 사용되는 일부 용어를 이해하지 못할 수도 있습니다.

모델이 광범위한 사용자 입력을 이해하는 능력을 향상시키기 위해 어휘 항목을 생성하여 동의어를 정의할 수 있습니다.

예를 들어 모델에 컴퓨터 용어에 대한 엔터티가 포함되어 있습니다. 사용자가 <kbd class="ph userinput">새 컴퓨터가 필요합니다</kbd>라고 입력하면 모델은 응답 방법을 알고 있습니다. 그러나 사용자가 <kbd class="ph userinput"> <dfn class="term">노트북 </dfn> </kbd> 이나 <kbd class="ph userinput">워크스테이션</kbd>에 들어가면 모델이 의도를 예측하지 못할 수 있습니다. 모델에 어휘를 추가하여 동의어와 변형을 이해하도록 학습시킬 수 있습니다.

테이블과 목록을 어휘 소스로 사용할 수도 있습니다. 모델은 의도를 예측할 때 어휘 소스를 조회할 수 있습니다.

자세한 내용은 [NLU 어휘](https://www.servicenow.com/docs/9nr9o~~LFGYDcbQi3zHrOQ "어휘 항목을 사용하여 NLU 시스템이 사용자가 요청을 표현하는 다양한 방법을 인식할 수 있도록 도와줍니다. 어휘 소스를 사용하면 시스템이 테이블이나 목록의 객체(예: 회의실 이름이나 카탈로그 항목)를 인식할 수 있도록 도와줍니다.") 문서를 참조하십시오.

## 테스트 세트 {#managing-model-content__section_rgz_xvd_dwb}

모델에는 모델의 성능을 평가하는 데 사용할 수 있는 기본 테스트 세트가 포함되어 있습니다. 처음에는 테스트 세트가 비어 있으며 콘텐츠로 채울 준비가 되어 있습니다. 테스트 발언과 예상 의도를 추가하여 테스트 세트를 빌드합니다.

자세한 내용은 [테스트 세트 생성 및 관리](https://www.servicenow.com/docs/fIE_cspMuSnaxzqaJNfBbw "모델의 NLU 기본 테스트 세트를 사용하여 모델의 성능과 정확도를 테스트합니다. 에서 콘텐츠를 빌드하거나 업데이트하여 시간 경과에 따른 테스트 세트를 관리합니다.NLU 워크벤치") 문서를 참조하십시오.

## 테스트 패널 {#managing-model-content__section_hg5_y1x_trb}

모델 빌드 및 교육 단계에서 모델 교육 또는 모델 시도를 클릭하여 테스트 패널에 액세스합니다. 교육은 새로운 컨텐츠를 모델에 통합합니다. 시도 모델을 사용하면 개별 발언을 수동으로 입력하여 모델이 예측하는 의도를 테스트할 수 있습니다.

자세한 내용은 [NLU 모델 교육 및 시도](https://www.servicenow.com/docs/uAjx1jxFDUGtKeRM3qLllg "모델을 반복적으로 교육하고 시도하여 의도와 엔터티가 확인되고 컴파일되고 모델에 저장되도록 합니다.") 문서를 참조하십시오.

테스트 패널을 사용하여 모델의 예측에 대한 피드백을 제공할 수도 있습니다. 귀하의 피드백은 의도 예측을 개선하는 데 도움이 됩니다. [테스트 패널 피드백](https://www.servicenow.com/docs/4GM7bIKn5kvIUqTY1QFNaQ "테스트 패널의 모델 시도 섹션에서 모델을 테스트 NLU 할 때 이 기능을 사용하여 모델의 의도 예측에 대한 피드백을 제공합니다.") 문서를 참조하십시오.

## 설정 {#managing-model-content__section_n1j_xsj_krb}

설정 탭을 사용하여 모델의 이름, 간단한 설명 및 신뢰도 임계치를 편집합니다. 모델의 언어나 용도는 변경할 수 없습니다.

신뢰도 임계치에 대한 자세한 내용은 다음 문서를 참조하십시오 [모델 테스트 및 게시](https://www.servicenow.com/docs/LCzo4aM0I~zhddIevM7OPg "모델의 NLU 성능을 평가하여 개선이 필요한 영역을 식별합니다. 그런 다음 모델을 게시하여 다른 애플리케이션(예 가상 에이전트: )에서 사용할 수 있도록 합니다."). 설정에 대한 자세한 내용은 다음 문서를 참조하십시오 [NLU 모델 설정](https://www.servicenow.com/docs/wTjNeMFWzhfBJf2LMFf0gQ "모델 개요의 설정 페이지에서 모델의 이름, 설명 또는 신뢰도 임계치를 NLU 변경합니다.").
* **[NLU 의도](https://www.servicenow.com/docs/AANNKIvuV78xwf~1p~M2PQ)**   
  의도는 시스템 작업을 사용자 입력과 일치시켜 모델의 응답을 유도합니다. 좋은 의도를 가진 모델은 도움이 되며 가상 에이전트 검색은 사용자에게 정확하게 응답합니다.
* **[NLU 엔터티](https://www.servicenow.com/docs/oW~Po6f6wFFadTLZ9XIEhA)**   
  엔터티는 사용자 입력을 받을 때 모델에 추가 컨텍스트를 제공합니다. 발언과 의도에 엔터티를 추가하여 (NLU) 모델의 자연어 이해 예측을 개선합니다.
* **[NLU 어휘](https://www.servicenow.com/docs/9nr9o~~LFGYDcbQi3zHrOQ)**   
  어휘 항목을 사용하여 NLU 시스템이 사용자가 요청을 표현하는 다양한 방법을 인식할 수 있도록 도와줍니다. 어휘 소스를 사용하면 시스템이 테이블이나 목록의 객체(예: 회의실 이름이나 카탈로그 항목)를 인식할 수 있도록 도와줍니다.
* **[테스트 세트 생성 및 관리](https://www.servicenow.com/docs/fIE_cspMuSnaxzqaJNfBbw)**   
  모델의 NLU 기본 테스트 세트를 사용하여 모델의 성능과 정확도를 테스트합니다. 에서 콘텐츠를 빌드하거나 업데이트하여 시간 경과에 따른 테스트 세트를 관리합니다.NLU 워크벤치
* **[NLU 모델 교육 및 시도](https://www.servicenow.com/docs/uAjx1jxFDUGtKeRM3qLllg)**   
  모델을 반복적으로 교육하고 시도하여 의도와 엔터티가 확인되고 컴파일되고 모델에 저장되도록 합니다.
* **[테스트 패널 피드백](https://www.servicenow.com/docs/4GM7bIKn5kvIUqTY1QFNaQ)**   
  테스트 패널의 모델 시도 섹션에서 모델을 테스트 NLU 할 때 이 기능을 사용하여 모델의 의도 예측에 대한 피드백을 제공합니다.