---
sourceDocument: Yokohama-API-Referenz
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/de-DE/yokohama/api-reference

 Release :

    - yokohama

ft:locale :

    - de-DE

ft:publication_title :

    - Yokohama-API-Referenz

ft:clusterId :

    - crapiref

bundleId :

    - crapiref

workflow :

    - Creator


---

# GeniusResultContext -- Umfang

# GeniusResultContext -- Umfang {#ariaid-title1}

* Freigeben Version: Yokohama
* 
* Aktualisiert 30. Januar 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 6 Minuten Lesedauer

Die GeniusResultContext Die API bietet Methoden zum Abrufen von Suchabfragegenformationen aus dem Kontext einer Genius-Ergebniskonfiguration.

Sie können Suchabfragedetails verwenden, die mit dieser API abgerufen wurden, um Genius-Ergebnisantwortobjekte auszufüllen, die mit erstellt wurden [GeniusResultAnswer](https://servicenow-prod.fluidtopics.net/IVuGTiD6GYFsTLhYR~oqUA#GeniusResultAnswerScopedAPI "Die GeniusResultAnswer Die API bietet Methoden zum Erstellen eines Antwortobjekts in den Prozessorskripts einer Genius-Ergebniskonfiguration. Mit dieser API erstellte Antworten definieren Suchanforderungen oder Schlüssel-Wert-Paarzuordnungen, die Genius-Ergebnisantwortkarten ausfüllen können.")API.

Verwenden Sie diese API in serverseitigen Genius-Ergebnis-Skripts mit `sn_ais `Namespace-Bezeichner. Weitere Informationen zur Skripting-Logik für Genius-Ergebnisse finden Sie unter [Erstellen Sie eine neue Genius-Ergebniskonfiguration](https://www.servicenow.com/docs/access?context=create-genius-results-config-ais&version=yokohama&pubname=yokohama-platform-administration&ft:locale=en-US).

## GeniusResultContext -- getMatchingDocuments() {#ariaid-title2}

Ruft Suchergebnisdokumente aus der Suchabfrage ab, die Ihre Genius-Ergebniskonfiguration auslöst.
Verwenden Sie diese Methode im Antwortprozessorskript einer Genius-Ergebniskonfiguration, um Feldwerte aus Suchergebnisdokumenten abzurufen, die von der Suchabfrage zurückgegeben werden, die Ihr Genius-Ergebnis auslöst. Sie können Genius-Ergebnisantworten mit Feldern aus den Suchergebnisdokumenten ausfüllen GeniusResultAnswer API-Methoden.  
Hinweis:  
Diese Methode gibt keine Ergebnisse zurück, wenn sie in aufgerufen wird AI Search request processorSkript, da das Skript zuvor ausgeführt wird KI-SucheBerechnet Ergebnisse für die auslösende Suchabfrage. Verwenden Sie diese Methode nicht in Ihren Anforderungsprozessorskripts.
{#GRContext-getMatchingDocuments__table_ehg_4gr_ywb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 1. Parameter]

{#GRContext-getMatchingDocuments__table_ehg_4gr_ywb} {#GRContext-getMatchingDocuments__table_fhg_4gr_ywb__entry__2}

| Typ | Beschreibung |
|-|-|
| \[Array\] | Array von Objekten, in denen jedes Objekt ein Suchergebnisdokument darstellt, das der Suchabfrage entspricht. Datentyp: Array [ { ".score": Number, ".table": "String", ".text": "String", ".title": "String", ".url": "String", "class_name": "String", "sys_id": "String", "<field_name>": <field_value> } ] Hinweis: Abhängig von der Suchabfrage werden einige der Suchergebnisdokumente verwendet KI-SucheIndexfelder können im Objekt zusätzlich zu den aufgelisteten Name-Wert-Paaren angezeigt werden. |
| \[Array\]..Punktzahl | Relevanzpunktzahl, die für das Suchergebnisdokument im Kontext der Suchabfrage berechnet wird. Datentyp: Zahl Hinweis: Der Name für dieses Name-Wert-Paar beginnt mit einem Punkt, um es von zu unterscheiden KI-SucheVerzeichnisse Punktzahl Allgemeines Feld. |
| \[Array\]..Tabelle | Name von Now PlatformTabelle, aus der das Suchergebnisdokument indiziert wurde. Datentyp: Zeichenfolge Hinweis: Der Name für dieses Name-Wert-Paar beginnt mit einem Punkt, um es von zu unterscheiden KI-SucheVerzeichnisse Tabelle Allgemeines Feld. |
| \[Array\]..Text | Indizierter Text aus dem Suchergebnisdokument. Datentyp: Zeichenfolge Hinweis: Der Name für dieses Name-Wert-Paar beginnt mit einem Punkt, um es von zu unterscheiden KI-SucheVerzeichnisse Text Allgemeines Feld. |
| \[Array\]..Titel | Indizierter Titel für das Suchergebnisdokument. Datentyp: Zeichenfolge Hinweis: Der Name für dieses Name-Wert-Paar beginnt mit einem Punkt, um es von zu unterscheiden KI-SucheVerzeichnisse Titel Allgemeines Feld. |
| \[Array\]..url | URL für das Suchergebnisdokument. Datentyp: Zeichenfolge Hinweis: Der Name für dieses Name-Wert-Paar beginnt mit einem Punkt, um es von zu unterscheiden KI-SucheVerzeichnisse URL Allgemeines Feld. |
| \[Array\].class_Name | Die untergeordnete Klasse, zu der das Suchergebnisdokument gehört. Weitere Informationen zu untergeordneten Tabellenklassen finden Sie unter [Table extension and classes](https://www.servicenow.com/docs/access?context=table-extension-and-classes&version=yokohama&pubname=yokohama-platform-administration&ft:locale=en-US). Datentyp: Zeichenfolge |
| \[Array\].sys_ID | SYS_ID für das Suchergebnisdokument. Datentyp: Zeichenfolge |
| \[Array\].\<field_name\> | KI-Suche Indexfeld aus dem Suchergebnisdokument. Datentyp: Der Datentyp von KI-SucheIndexfeld. |
[Tabelle : 2. Rückgaben]

{#GRContext-getMatchingDocuments__table_fhg_4gr_ywb}  
Dies AI Search response processorDas Skript ruft bis zu drei Suchergebnisdokumente ab, die der Suchabfrage entsprechen, und überprüft, ob eines von ihnen aus der Tabelle „Wissen" \[kb_Knowledge\] stammt. Wenn ein Suchergebnisdokument aus der Tabelle „Wissen" gefunden wird, fügt die Funktion die Felder dieses Dokuments zu hinzu GeniusResultAnswer Objekt, damit die Anwenderoberfläche sie dem Anwender anzeigen kann.

    function process(context) {
      var answer = new sn_ais.GeniusResultAnswer();
      var matchingDocuments = context.getMatchingDocuments();
      if (matchingDocuments.length > 1) {
        for (var i = 0; i < 3; i++) {
          var currentDocument = matchingDocuments[i];
          if (currentDocument['.table'] == 'kb_knowledge') {
            var gr = new GlideRecord("kb_knowledge");
            if (gr.get(currentDocument['sys_id'])) {
              answer.addDataMap({
                "number": currentDocument['number'],
                "url": currentDocument['.url'],
                "title": currentDocument['.title']
              });
            }
          }
          break;
        }
      }
      return answer;
    }

## GeniusResultContext -- getOriginalSearchPhrase() {#ariaid-title3}

Ruft die ursprünglichen Suchbegriffe aus der Suchabfrage ab, die Ihre Genius-Ergebniskonfiguration auslöst.
Sie können abgerufene Suchbegriffe verwenden, um Genius-Ergebnisantworten mit auszufüllen GeniusResultAnswer API-Methoden.
{#GRContext-getOriginalSearchPhrase__table_d5s_ntm_qnb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 3. Parameter]

{#GRContext-getOriginalSearchPhrase__table_d5s_ntm_qnb} {#GRContext-getOriginalSearchPhrase__table_e5s_ntm_qnb__entry__2}

| Typ | Beschreibung |
|-|-|
| Zeichenfolge | Ursprüngliche Begriffe aus der Suchabfrage. Datentyp: Zeichenfolge |
[Tabelle : 4. Rückgaben]

{#GRContext-getOriginalSearchPhrase__table_e5s_ntm_qnb}  
Dies AI Search request processorDas Skript ruft die ursprünglichen Begriffe der Suchabfrage ab und verwendet sie als Abfragebegriffe für eine neue Fragmentsuche.

    function process(context) {
      var answer = new sn_ais.GeniusResultAnswer();

      var searchPhrase = context.getOriginalSearchPhrase();
      answer.setSearchPhrase(searchPhrase);
      answer.snippetSearch(true);

      return answer;
    }

## GeniusResultContext -- getPredictionResult() {#ariaid-title4}

Ruft Ab NLUModellvorhersageergebnisse für die Suchabfrage, die Ihre Genius-Ergebniskonfiguration auslöst.
Verwenden Sie diese Methode im Anforderungs- oder Antwortprozessorskript einer Genius-Ergebniskonfiguration, um die für die auslösende Suchabfrage erkannte Absicht abzurufen. Sie können Genius-Ergebnisantworten mit Details aus der erkannten Absicht mit ausfüllen GeniusResultAnswer API-Methoden.
{#GRContext-getPredictionResult__table_z3s_4tm_qnb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 5. Parameter]

{#GRContext-getPredictionResult__table_z3s_4tm_qnb} {#GRContext-getPredictionResult__table_ajs_4tm_qnb__entry__2}

| Typ | Beschreibung |
|-|-|
| \[Array\] | Array von Objekten, in denen jedes Objekt einen darstellt NLUErgebnis der Modellabsichtsvorhersage für die Suchabfrage. Datentyp: Array [ { "intentName": "String", "result": {Object}, "solutionName": "String" } ] |
| \[Array\].intentName | Name von NLUModellabsicht in der Suchabfrage erkannt. Datentyp: Zeichenfolge |
| \[Array\].Ergebnis | Objekt, das darstellt NLUErgebnis der Modellabsichtsvorhersage für die Suchabfrage. Datentyp: Objekt "result": { "application": {Object}, "result": {Object}, "solutionLabel": "String", "solutionName": "String", "solutionType": "String", "type": "String", "version": Number } |
| \[Array\].Ergebnis.Anwendung | Objekt mit Metadaten für die Suchanwendung, die das Vorhersageergebnis erzeugt hat. Datentyp: Objekt "application": { "language": "String", "type": "String" } |
| \[Array\].Ergebnis.Anwendung.Sprache | Sprachkontext für Now PlatformAnwendung, die das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge |
| \[Array\].result.Application.type | Typ von Now PlatformAnwendung, die das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge |
| \[Array\].Ergebnis.Ergebnis | Objekt mit Details für NLUErgebnis der Modellabsichtsvorhersage. Datentyp: Objekt "result": { "entities": [Array], "intentName": "String", "intents": [Array], "nluModelName": "String", "score": Number } |
| \[Array\].Ergebnis.Ergebnis.Entitäten | Array von Objekten, in denen jedes Objekt einen darstellt NLUEntität der Modellabsicht in der Suchabfrage erkannt. Datentyp: Array "entities": [ { "matchingSegments": [Array], "name": "String", "parts": [Array], "score": Number, "startingPosition": Number, "value": "String" } ] |
| \[Array\].Ergebnis.Ergebnis.Entitäten.übereinstimmenSegmente | Array von Objekten, in denen jedes Objekt ein übereinstimmendes Segment der erkannten darstellt NLUEntität. Datentyp: Array "matchingSegments": [ { "directMatch": Boolean "meta": {Object}, "value": "String" } ] |
| \[Array\].Ergebnis.Ergebnis.Entitäten.MatchingSegments.directMatch | Kennzeichnung, die angibt, ob NLUEntitätsübereinstimmendes Segment stellt eine genaue Übereinstimmung für den Entitätswert dar. |
| \[Array\].Ergebnis.Ergebnis.Entitäten.MatchingSegmente.Meta | Objekt mit Schlüssel-Wert-Paarfeldern, die Metadaten für darstellen NLUEntitätsübereinstimmendes Segment. Datentyp: Objekt "meta": { "augmentedBy": "String", "colMeta:first_name": "String", "colMeta:last_name": "String", "compositionStrategy": "String", "fieldName": "String", "searchPreProcessors": "String", "SUB_PHRASE.penalty": "String", "tableName": "String" } |
| \[Array\].Ergebnis.Ergebnis.Entitäten.übereinstimmenSegmente.Wert | Zeichenfolgenwert von NLUEntitätsübereinstimmendes Segment. Datentyp: Zeichenfolge |
| \[Array\].result.result.entities.name | Name für erkannte NLUEntität, in Entität:\[NLU_model\].\[Absicht\].\[Entity_type\] Format. Datentyp: Zeichenfolge |
| \[Array\].result.result.entities.parts | Array von Objekten, in denen jedes Objekt einen darstellt NLUEntitätsteil im Vorhersageergebnis gefunden. Datentyp: Array "parts": [ { "meta": {Object}, "value": "String" } ] |
| \[Array\].Ergebnis.Ergebnis.Entitäten.Teile.Meta | Objekt mit Schlüssel-Wert-Paarfeldern, die Metadaten für darstellen NLUEntitätsteil. Datentyp: Objekt "meta": { "augmentedBy": "String", "colMeta:name": "String", "compositionStrategy": "String", "fieldName": "String", "searchPreProcessors": "String", "SUB_PHRASE.penalty": "String", "tableName": "String" } |
| \[Array\].Ergebnis.Ergebnis.Entitäten.Teile.Wert | Zeichenfolgenwert von NLUEntitätsteil. Datentyp: Zeichenfolge |
| \[Array\].Ergebnis.Ergebnis.Entitäten.Punktzahl | Numerische Punktzahl von 0 bis 1, die die Konfidenz für die erkannte angibt NLUEntität. Datentyp: Zahl |
| \[Array\].Ergebnis.Ergebnis.Entitäten.StartPosition | Numerischer Index für die Zeichenposition in der Suchabfrage, an der erkannt wurde NLUEntität beginnt. Datentyp: Zahl |
| \[Array\].Ergebnis.Ergebnis.Entitäten.Wert | Zeichenfolgenwert von NLUIn der Suchabfrage erkannt. Datentyp: Zeichenfolge |
| \[Array\].result.result.intentName | Name von NLUModellabsicht in der Suchabfrage erkannt. Datentyp: Zeichenfolge |
| \[Array\].result.result.intents | Array von Objekten, in denen jedes Objekt ein geschachteltes darstellt NLUModellabsicht in der Suchabfrage erkannt. Geschachtelte Absichtsobjekte enthalten dieselben Parameternamen und Datentypen wie das übergeordnete Element NLUModellabsichtsobjekt. Datentyp: Array "intents": [ { "entities": [Array], "intentName": "String", "intents": [Array], "nluModelName": "String", "score": Number } ] |
| \[Array\].result.result.nluModelName | Name von NLUModell, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge |
| \[Array\].Ergebnis.Ergebnis.Punktzahl | Numerische Punktzahl von 0 bis 1, die die Konfidenz für angibt NLUModellvorhersageergebnis. Datentyp: Zahl |
| \[Array\].result.solutionBezeichnung | Bezeichnung für NLUModell, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge |
| \[Array\].result.solutionName | Name für NLUModell, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge |
| \[Array\].result.solutionType | Typ für NLUModell, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge |
| \[Array\].result.type | Typ des Vorhersageergebnisses. Datentyp: Zeichenfolge |
| \[Array\].Ergebnis.Version | Version von NLUModell, das das Vorhersageergebnis erzeugt hat. Datentyp: Zahl |
| \[Array\].solutionName | Name von NLUModell, das das Vorhersageergebnis erzeugt hat. Datentyp: Zeichenfolge |
[Tabelle : 6. Rückgaben]

{#GRContext-getPredictionResult__table_ajs_4tm_qnb}  
Dies AI Search request processorDas Skript überprüft, ob die Suchabfrage einen enthält NLUModellvorhersageergebnis. Wenn ein Vorhersageergebnis gefunden wird, werden die übereinstimmenden Segmente aus allen erkannten katalogItem-Entitäten als Suchbegriffe hinzugefügt.

    function process(context) {
      var answer = new sn_ais.GeniusResultAnswer();

      answer.setTable('sc_cat_item');
      answer.setSearchLimit(2);
      var predictionResult = context.getPredictionResult();
      if (predictionResult && predictionResult.length == 1) {
        var detail = predictionResult[0];
        if (detail['result'] && detail['result']['entities']) {
          var entities = detail['result']['entities'];
          for (var i = 0; i < entities.length; i++) {
            if (entities[i]['name'].endsWith('catalogItem')) {
              var matchingSegments = entities[i]['matchingSegments'];
              for (var j = 0; j < matchingSegments.length; j++)
                answer.addSearchPhrases([matchingSegments[j]['value']]);
            }
          }
        }
      }

      return answer;
    }


