Ähnlichkeitslösungen
Mithilfe von Ähnlichkeitslösungen können Sie Machine Learning (ML) verwenden, um den Text in einem Datensatz für gelöste Warnungen mit einem Datensatz für offene Warnungen zu vergleichen, um den Lösungsansatz erneut zu verwenden.
Ähnlichkeitslösung trainieren
Zum Trainieren einer Ähnlichkeitslösung sammeln Sie Wörter, um eine Sammlung zu erstellen, die Machine Learning (ML) verwenden kann, um Text in den Feldern Kurzbeschreibung, Beschreibung, Quelle, Typ, Ressource und Metrikname in einer gelösten Warnung zu vergleichen, um zu sehen, ob die Wörter in der festgelegten Übereinstimmung mit den Wörtern in einer offenen Warnung übereinstimmen. Die gelöste Warnung, die einer offenen Warnung ähnelt, ist ein Beispiel dafür, wie die offene Warnung gelöst werden kann.
- Stellen Sie sicher, dass die Datensätze, die Sie trainieren, nicht zu alt und relevant für Ihren Geschäftbedarf sind. Sorgen Sie dafür, dass die Wörter in der Sammlung stets aktuell sind.
- Verwenden Sie keine hartcodierten Datumsangaben als Filter, da diese Filter nicht aktualisiert werden, wenn die Lösungen neu trainiert werden, es sei denn, Sie aktualisieren sie vor jedem neuen Training manuell. Verwenden Sie stattdessen relative Datumsfilter, wie z. B. letzte 3 Monate, letzte 6 Monate oder letzte 12 Monate.
- Führen Sie nach Bedarf Trainings durch, bis eine akzeptable Ähnlichkeitslösung bereitgestellt wird. Diese Praxis bietet Ihnen Zeit zum Überprüfen und Aktualisieren Ihrer Lösungsdefinition.
Felder, die in die Lösung einbezogen werden sollen
Notieren Sie sich Felder, die wahrscheinlich Wörter und Ausdrücke enthalten, die dem System helfen, ähnliche Datensätze für Ihre Lösung zu identifizieren.
Die Ähnlichkeitsfelder, die Sie auswählen, sollten eine Teilmenge Ihres Eingabefelds „Auswahlen“ sein. Beispiel: Wenn Sie „Felder“ aus Incident-Datensätzen auswählen, die sich im Status „Offen“ befinden, wählen Sie Hinweis schließen nicht als Ähnlichkeitsfeld aus. Da offene Datensätze keine Hinweis schließen-Felder enthalten, kann der Text nicht ähnlich sein.
Die Ähnlichkeitsfelder stehen Benutzern beim Erstellen von Datensätzen zur Verfügung.
Über die Ähnlichkeitspunktzahl
Die Ähnlichkeitspunktzahl ist ein Maß für den Ähnlichkeitsgrad zwischen zwei Warnungsdatensätzen von 0 bis 100. Warnungsdatensätze, deren Ähnlichkeitspunktzahl über dem von Ihnen angegebenen Schwellenwert liegt, werden von der Lösung zurückgegeben.
Überprüfen Sie Ähnlichkeitsbeispiele und ihre Punktzahlen mithilfe der Funktion Schulungsfortschritt anzeigen, um zu bestimmen, ob der Lösungsschwellenwert erhöht oder verringert werden soll. Sie können den Schwellenwert im Feld Threshold for Similarity Score (Schwellenwert für Ähnlichkeitspunktzahl) ändern.
Fortschritt der Trainingslösung anzeigen
Die Trainingsdauer variiert je nach Anzahl der Datensätze und Klassen innerhalb des Trainingssatzes. Je mehr Datensätze und Klassen Sie verwenden, desto länger dauert das Training. Zum Beispiel kann das Trainieren eines Satzes mit 100.000 Datensätzen und mehreren hundert Klassen ungefähr fünf Stunden dauern.
Um den Fortschritt der Trainingslösung zu zeigen, führt die ML-Lösung automatisch die folgenden Tätigkeiten aus, wenn Sie Trainingsfortschritt anzeigen auf der Seite „Lösungen“ wählen. Weitere Informationen finden Sie unter Lösungstrainingsfortschritt anzeigen.| Aktivität | Beschreibung |
|---|---|
| Dateien zum Trainieren abrufen. | Das System lädt die Trainingsdatensätze herunter und sendet sie an den nächstgelegenen Trainingsservice. |
| Daten vorbereiten. | Das System entfernt doppelte Datensätze aus dem Trainingssatz. |
| Lösung trainieren. | Der Trainingsservice trainiert die Lösung. |
| Trainierte Lösung hochladen. | Der Trainingsservice lädt die Lösung als Anhangsdatensätze hoch. |