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してトレーニングし、既存のレコードを新しい類似レコードと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のテキストを解決済みのインシデントレコードと比較して、その解決策を再利用できます。
始める前に
- 必要なロール:ml_admin または admin
このタスクについて
類似性に基づいて既存のレコードを比較した後、システムは、レビューしてソリューションで再利用できる例を推奨します。
フォームとフローに適用すると、類似性ソリューションはドメインを認識するため、インスタンス上の他のドメインのレコードはユーザーに表示されません。詳細については、KB 記事「Now Support 上のドメインセパレーション環境での類似予測動作」を参照してください。
暗号化されたトレーニングデータの使用については、「 予測インテリジェンスにおけるデータの暗号化」を参照してください。
この手順例では、インシデントレコードを操作していて、それらのインシデントの解決策を提供できる関連ナレッジベース記事を見つけたいと考えています。
手順
-
[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、「 ナレッジ記事をインシデントに一致させる」と入力できます。 名前 ラベル値を入力すると、このフィールドにはラベル値に基づいてシステムによって割り当てられた読み取り専用の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を使用している場合は、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 リリース以降、代わりに事前トレーニング済みモデルを使用するため、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は表示されません。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 [テーブル] フィールドで、情報ソースとして使用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、 ナレッジ [kb_knowledge] テーブルを選択します。これは、KB 記事レコードから、解決しようとしているインシデントに関連する情報が提供される可能性があるためです。
テーブルをアサインすると、フィルター条件に一致するレコードの数がリンクとして表示されます。レコードリストを表示するには、このリンクを選択します。
テストテーブル [テストテーブル] フィールドで、ターゲットと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が含まれているイン シデント [incident] テーブルを選択します。注:[テーブル] と [テストテーブル] に同じテーブルを選択できます。たとえば、フィルター条件を使用すると、最新のインシデントから情報を収集して、ターゲットインシデントに役立てることができます。フィールド 選択した [テーブル] に、解決しようとしているインシデントに関連する単語やフレーズが含まれている可能性が高いフィールドを入力します。この例では、[ 簡単な説明] と [記事本文] を選択します。記事の本文を含めると、主題に関する有益な詳細をキャプチャできる可能性が高くなります。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 選択したテストテーブルについて、他の類似レコードと比較するテキストを含むフィールドを入力します。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 [簡単な説明 ] を選択します。
フィルター [ フィルター条件の追加 ] を選択して、情報源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、公開された KB 記事のみを取得するように workflow_state=published 条件を設定できます。
注:スクリプトインクルードをフィルターから参照することはできません。代替手段としてデータベースビューを使用します。処理言語 トレーニング対象のデータセットの主要言語を選択します。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、システムはイタリア語と英語の両方でデータを処理します。 注:「処理」という用語は、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、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。ストップワード 処理言語を選択すると、その言語のストップワードリストが自動的に追加されます。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。[デフォルトの英語のストップワード] リストも含まれています。 カスタムストップワードリストを使用するには、ロックアイコン (ロック
を選択し、[ ターゲットレコードを選択 ] フィールドで検索します。トレーニング頻度 再トレーニング頻度を選択します。使用可能なオプションの範囲は 、[1 回実行] から [180 日ごと] までです。 更新頻度 類似結果の取得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、オープンインシデントレコードの場合、新しいインシデントは通常 1 日を通じて頻繁に発生するため、 15 分ごとの更新頻度を選択できます。この頻度により、新しく開かれたレコードがリフレッシュに含まれる可能性が高くなる可能性があります。
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の場合は、[ 1 日ごと] など、更新頻度の低いものを選択できます。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。
タスクの結果
- システムは、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をスケジュールし、トレーニングが完了すると通知を送信します。通知には、トレーニング中に発生した可能性のあるエラーが含まれます。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はソリューション定義フォームを更新し、類似度別にランク付けされたペアのソリューション例を提供します。
- 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。