--- sourceDocument: オーストラリア API リファレンス sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/api-reference Release : - australia ft:locale : - ja-JP ft:publication_title : - オーストラリア API リファレンス ft:clusterId : - crapiref bundleId : - crapiref workflow : - Creator --- # エンコーダー - グローバル # エンコーダー - グローバル {#ariaid-title1} * リリースバージョン: Australia * * 更新日 2026年03月12日 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：18分 エンコーダー API は、予測インテリジェンス ストアで使用されるスクリプト可能なオブジェクトを提供します。このオブジェクトは、エンコーダー固有の目標と構成に基づいて、入力データを数値のベクトルに変換します。エンコーダーは、エンコーディングを実行するために個別に使用することも、テキスト列をエンコードするソリューションの一部として構成することもできます。 この API には 予測インテリジェンス プラグイン (com.glide.platform_ml) が必要で、 `sn_ml` 名前空間内で提供されます。 エンコーダーは、事前にトレーニングされたテキスト処理オブジェクト、または提供された言語データセットに基づいてトレーニングされたテキスト処理オブジェクトです。システムがテキストフィールドをどのように解釈して処理するかを決定するエンコーダーをトレーニングできます。テキストを含む ML ソリューションの場合、エンコーダーをトレーニングして、テキストの処理方法を指定し、トレーニング済みエンコーダーをソリューションで使用できます。 エンコーダには構成とバージョンがあり、独自の再トレーニング頻度で個別にトレーニングできます。API 定義エンコーダーは、UI 定義エンコーダーの再トレーニングがそれらを使用するソリューションによって制御されるため、UI 定義エンコーダーとは異なります。 エンコーダーのセットアップからトレーニングまでのフローは次のとおりです。 1. [DatasetDefinition](https://servicenow-prod.fluidtopics.net/_Y4D37G2Ep8vLiDiwFGIhA#DatasetDefinitionAPI "DatasetDefinition API は、識別するメソッドを提供しますML トレーニングアルゴリズムの入力として使用する、テーブル名、列、行選択基準を含む一連のレコード。データセットには実際のデータは含まれていません。") API を使用して 1 つ以上のデータセットを作成します。 2. [コンストラクター](https://servicenow-prod.fluidtopics.net/3wkxwjgt1W9OU2MIP~fozA#Encoder-Encoder_O "エンコーダーを作成します。")を使用して、エンコーダー オブジェクトを作成します。 3. [EncoderStore - add()](https://servicenow-prod.fluidtopics.net/YbxbByv15Wzq~p3nlkuRog#EncoderStore-add_O "新しいエンコーダーを追加します オブジェクトをストアに追加し、一意の名前を返します。") メソッドを使用して、エンコーダー オブジェクトをエンコーダー ストアに追加します。 4. [submitTrainingJob()](https://servicenow-prod.fluidtopics.net/3wkxwjgt1W9OU2MIP~fozA#Encoder-submitTrainingJob "トレーニングジョブを送信します。") メソッドを使用してエンコーダーをトレーニングします。これにより、 [EncoderVersion](https://servicenow-prod.fluidtopics.net/hAmejPDblpeVfQ1eSiS3Lw#EncoderVersionAPI "EncoderVersion API は、予測インテリジェンス ストアで使用されるスクリプト可能なオブジェクトを提供します。") API を使用して管理できるオブジェクトのバージョンが作成されます。 {#EncoderAPI__ol_aqf_1xt_2mb}エンコーダーをトレーニングしたら、ソリューション オブジェクトで使用できます。 * [分類ソリューション](https://servicenow-prod.fluidtopics.net/0GJ7S2v_EH30a~RFaORd~g#ClassificationSolutionAPI "ClassificationSolution API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") * [ClusteringSolution](https://servicenow-prod.fluidtopics.net/tBToEcfVl5FEzyDf8ZT6XA#ClusteringSolutionAPI "ClusteringSolution API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") (レーベンシュタイン距離アルゴリズムを使用しない限り必要) * [回帰ソリューション](https://servicenow-prod.fluidtopics.net/VmH0Lqpjh_bF3C3~cnGpPw#RegressionSolutionAPI "RegressionSolution API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") * [SimilaritySolution](https://servicenow-prod.fluidtopics.net/SByiMqFOsibdVzpG_zwp8g#SimilaritySolutionAPI "SimilaritySolution API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") (必須) {#EncoderAPI__ul_v1k_kzq_bmb} 注: この API は、Vancouver パッチ 7 ホットフィックス 2b および Washington DC パッチ 7 リリースより前の完全な権限で実行されます。それ以降のリリースでは、ACL を使用してアクセス権を付与します。詳細については、「 [Query ACLs](https://www.servicenow.com/docs/access?context=query-acl-rule&version=australia&pubname=australia-platform-security&ft:locale=en-US)」を参照してください。 使用上のガイドラインについては、「 [ML API の使用](https://www.servicenow.com/docs/access?context=using-ml-apis&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)」を参照してください。 ## エンコーダー - エンコーダー (オブジェクト構成) {#ariaid-title2} エンコーダーを作成します。 1 つ以上のデータセットのエンコーダーを取得するには、このコンストラクターを使用して、一意の名前で新しいエンコーダー オブジェクトを作成します。 {#Encoder-Encoder_O__table_gm2_yt5_flb__entry__3}{#Encoder-Encoder_O__solution-obj-domainN-default}{#Encoder-Encoder_O__solution-obj-lang-desc}{#Encoder-Encoder_O__solution-obj-stop-desc} | 名前 | タイプ | 説明 | |-|-|-| | 構成 | オブジェクト | の構成プロパティを含む JavaScript オブジェクト エンコーダー。 { "algorithmConfig": {Object}, "datasets": [Array], "domainName": "String", "label": "String", "minRowCount": "String", "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" } | | config.algorithmConfig | オブジェクト | オプション。 アルゴリズム構成プロパティを含む JavaScript オブジェクト。 'algorithmConfig' : { "algorithm": "String" } | | config.algorithmConfig.algorithm | 文字列 | このエンコーダーをトレーニングするためのアルゴリズムの名前。 可能な値： * paravec:段落ベクトル語の埋め込み。 * tf-idf:用語頻度逆ドキュメント頻度 (TF-IDF) ベースのテキスト。 {#Encoder-Encoder_O__ul_encoder_alg_vals} | | config.datasets | アレイ | [DatasetDefinition](https://servicenow-prod.fluidtopics.net/_Y4D37G2Ep8vLiDiwFGIhA#DatasetDefinitionAPI "DatasetDefinition API は、識別するメソッドを提供しますML トレーニングアルゴリズムの入力として使用する、テーブル名、列、行選択基準を含む一連のレコード。データセットには実際のデータは含まれていません。") オブジェクト名のリスト。 | | config.domainName | 文字列 | オプション。このデータセットに関連付けられたドメイン名。「 [ドメインセパレーション」および 予測インテリジェンス](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)を参照してください。 デフォルト:現在のドメイン ( `「global」`など)。 | | config.label | 文字列 | 予測タスクを識別します。 | | config.minRowCount | 文字列 | オプション。トレーニングのためにデータセットに必要なレコードの最小数。 デフォルト：10000 | | config.processingLanguage | 文字列 | オプション。2 文字の ISO 639-1 言語コード形式の処理言語。 デフォルト:「en」 | | config.stopwords | アレイ | オプション。languageプロパティ設定に基づいてシステムが自動的に生成する文字列のプリセットリスト。詳細については、「 [カスタムストップワードリストの作成](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)」を参照してください。 デフォルト:英語のストップワード | | config.trainingFrequency | 文字列 | モデルを再トレーニングする頻度。 可能な値： * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#Encoder-Encoder_O__ul_pmw_523_plb}デフォルト:run_once | [表 : 1. パラメーター] {#Encoder-Encoder_O__table_gm2_yt5_flb} 次の例は、エンコーダー ジョブを作成してエンコーダー ストアに追加する方法を示しています。 var myPrbData = new sn_ml.DatasetDefinition({ 'tableName' : 'problem', 'fieldNames' : ['short_description'], 'encodedQuery' : 'activeANYTHING' }); var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['short_description', 'description'], 'encodedQuery' : 'activeANYTHING' }); var myEncoder = new sn_ml.Encoder({ 'label': "encoder", 'datasets' : [myPrbData, myIncidentData], 'algorithmConfig' : { 'algorithm' : 'tf-idf' } }); var myEncoderName = sn_ml.EncoderStore.add(myEncoder); ## エンコーダー:cancelTrainingJob() {#ariaid-title3} のジョブをキャンセル エンコーダーオブジェクト トレーニングのために送信された {#Encoder-cancelTrainingJob__table_bpb_k3z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 2. パラメーター] {#Encoder-cancelTrainingJob__table_bpb_k3z_llb} {#Encoder-cancelTrainingJob__table_cpb_k3z_llb__entry__2} | タイプ | 説明 | |-|-| | なし | | [表 : 3. 返される内容] {#Encoder-cancelTrainingJob__table_cpb_k3z_llb} 次の例は、既存のトレーニングジョブをキャンセルする方法を示しています。 var myEncoder = sn_ml.EncoderStore.get('ml_sn_global_global_encoder'); myEncoder.cancelTrainingJob(); ## エンコーダー:getActiveVersion() {#ariaid-title4} アクティブを取得します EncoderVersion オブジェクト。 {#Encoder-getActiveVersion__table_tvl_m3z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 4. パラメーター] {#Encoder-getActiveVersion__table_tvl_m3z_llb} {#Encoder-getActiveVersion__table_uvl_m3z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | アクティブ [EncoderVersion](https://servicenow-prod.fluidtopics.net/hAmejPDblpeVfQ1eSiS3Lw#EncoderVersionAPI "EncoderVersion API は、予測インテリジェンス ストアで使用されるスクリプト可能なオブジェクトを提供します。") オブジェクト。 | [表 : 5. 返される内容] {#Encoder-getActiveVersion__table_uvl_m3z_llb} 次の例は エンコーダー ストアからアクティブなバージョンを取得し、そのトレーニングステータスを返す var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder'); gs.print(JSON.stringify(JSON.parse(mlEncoder.getActiveVersion().getStatus()), null, 2)); 出力: { "state": "encoder_complete", "percentComplete": "100", "hasJobEnded": "true" } ## エンコーダー:getAllVersions() {#ariaid-title5} のすべてのバージョンを取得します エンコーダー。 {#Encoder-getAllVersions__table_tvl_m3z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 6. パラメーター] {#Encoder-getAllVersions__table_tvl_m3z_llb} {#Encoder-getAllVersions__table_uvl_m3z_llb__entry__2} | タイプ | 説明 | |-|-| | アレイ | エンコーダーオブジェクトの既存のバージョン。[「EncoderVersion](https://servicenow-prod.fluidtopics.net/hAmejPDblpeVfQ1eSiS3Lw#EncoderVersionAPI "EncoderVersion API は、予測インテリジェンス ストアで使用されるスクリプト可能なオブジェクトを提供します。") API」も参照してください。 | [表 : 7. 返される内容] {#Encoder-getAllVersions__table_uvl_m3z_llb} 次の例は、すべての エンコーダー バージョンオブジェクトを取得し、それらに対して getVersionNumber() および getStatus() エンコーダーバージョンメソッドを呼び出す方法を示しています。 var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder'); var mlEncoderVersions = mlEncoder.getAllVersions(); for (i = 0; i < mlEncoderVersions.length; i++) { gs.print("Version " + mlEncoderVersions[i].getVersionNumber() + " Status: " + mlEncoderVersions[i].getStatus() +"\n"); }; 出力: Version 3 Status: {"state":"encoder_complete","percentComplete":"100","hasJobEnded":"true"} Version 2 Status: {"state":"encoder_complete","percentComplete":"100","hasJobEnded":"true"} Version 1 Status: {"state":"encoder_cancelled","percentComplete":"0","hasJobEnded":"true"} ## エンコーダー:getLatestVersion() {#ariaid-title6} の最新バージョンを取得します エンコーダー。 {#Encoder-getLatestVersion__table_tvl_m3z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 8. パラメーター] {#Encoder-getLatestVersion__table_tvl_m3z_llb} {#Encoder-getLatestVersion__table_uvl_m3z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | [EncoderVersion](https://servicenow-prod.fluidtopics.net/hAmejPDblpeVfQ1eSiS3Lw#EncoderVersionAPI "EncoderVersion API は、予測インテリジェンス ストアで使用されるスクリプト可能なオブジェクトを提供します。") の最新バージョンに対応するオブジェクト を [Encoder()](https://servicenow-prod.fluidtopics.net/3wkxwjgt1W9OU2MIP~fozA#Encoder-Encoder_O "エンコーダーを作成します。") に置き換えます。 | [表 : 9. 返される内容] {#Encoder-getLatestVersion__table_uvl_m3z_llb} 次の例は、ソリューションの最新バージョンを取得し エンコーダーで、そのトレーニングステータスを返します。 var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder'); gs.print(JSON.stringify(JSON.parse(mlEncoder.getLatestVersion().getStatus()), null, 2)); 出力: { "state": "encoder_complete", "percentComplete": "100", "hasJobEnded": "true" } ## エンコーダー:getName() {#ariaid-title7} ストアとのインタラクションに使用するオブジェクトの名前を取得します。 {#Encoder-getName__table_pps_43z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 10. パラメーター] {#Encoder-getName__table_pps_43z_llb} {#Encoder-getName__table_qps_43z_llb__entry__2} | タイプ | 説明 | |-|-| | 文字列 | エンコーダーオブジェクトの名前。 | [表 : 11. 返される内容] {#Encoder-getName__table_qps_43z_llb} 次の例は、 エンコーダー データセット情報を更新し、オブジェクトの名前を出力 // Update encoder var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description', 'priority'], 'encodedQuery' : 'activeANYTHING' }); var eligibleFields = JSON.parse(myIncidentData.getEligibleFields(encoder)); var myEncoder = new sn_ml.Encoder({ 'label': "my encoder", 'datasets' : [myIncidentData], 'inputFieldNames': eligibleFields['eligibleInputFieldNames'], 'predictedFieldName': 'category' }); // update encoder sn_ml.EncoderStore.update('ml_x_snc_global_global_my_definition_4', myEncoder); // print encoder name gs.print('Encoder Name: '+myEncoder.getName()); 出力: Encoder Name: ml_x_snc_global_global_my_definition_4 ## エンコーダー:getProperties() {#ariaid-title8} ソリューションオブジェクトプロパティを取得します。 {#Encoder-getProperties__table_pps_43z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 12. パラメーター] {#Encoder-getProperties__table_pps_43z_llb} {#Encoder-getProperties__table_qps_43z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | [EncoderStore](https://servicenow-prod.fluidtopics.net/YbxbByv15Wzq~p3nlkuRog#EncoderStoreAPI "EncoderStore API は、エンコーダーを格納および取得するためのメソッドを提供します。") 内の Dataset と [Encoder()](https://servicenow-prod.fluidtopics.net/3wkxwjgt1W9OU2MIP~fozA#Encoder-Encoder_O "エンコーダーを作成します。") オブジェクトの詳細の内容。 { "algorithmConfig" : {Object}, "datasetsProperties": [Array], "domainName": "String", "label": "String", "name": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } | | \.algorithmConfig.algorithm | このエンコーダーをトレーニングするためのアルゴリズムの名前。 可能な値： * paravec:段落ベクトル語の埋め込み。 * tf-idf:用語頻度逆ドキュメント頻度 (TF-IDF) ベースのテキスト。 {#Encoder-getProperties__ul_encoder_alg_vals} データタイプ:文字列。 | | \.algorithmConfig | オプション。 アルゴリズム構成プロパティを含む JavaScript オブジェクト。 'algorithmConfig' : { "algorithm": "String" } データタイプ:オブジェクト。 | | \.datasetsProperties | エンコーダーに関連付けられている [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/_Y4D37G2Ep8vLiDiwFGIhA#DDef-DatasetDefinition_O "DatasetDefinition クラスのインスタンスを作成し、テーブル名、フィールド、およびクエリでデータセットを定義できるようにします。") プロパティのリスト。 { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } データタイプ:アレイ。 | | \.datasetsProperties.tableName | データセットのテーブルの名前。たとえば、「 `tableName」:「インシデント」`です。 データタイプ:文字列。 | | \.datasetsProperties.fieldNames | 指定されたテーブルのフィールド名を文字列としてリストします。例:"`fieldNames" : ["short_description", "priority"]。` データタイプ:アレイ。 | | \.datasetsProperties.fieldNames.fieldDetails | フィールドのプロパティを指定する JavaScript オブジェクトのリスト。 [ { "name": "String", "type": "String" } ] データタイプ:アレイ。 | | \.datasetsProperties.fieldNames.fieldDetails.\.名前 | このデータセットを制限する情報のタイプを定義するフィールドの名前。 データタイプ:文字列。 | | \.datasetsProperties.fieldDetails.\。タイプ | 機械学習フィールドタイプ。 データタイプ:文字列。 | | \.datasetsProperties.fieldDetails.encodedQuery | 標準の Glide 形式でエンコードされたクエリ文字列。「 [エンコードされたクエリ文字列」](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=australia&pubname=australia-platform-user-interface&ft:locale=en-US)を参照してください。 データタイプ:文字列。 | | \.domainName | このデータセットに関連付けられたドメイン名。「 [ドメインセパレーション」および 予測インテリジェンス](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)を参照してください。 データタイプ:文字列。 | | \.label | 予測タスクを識別します。 { "label": "my first prediction" } データタイプ:文字列。 | | \.name | システムによって割り当てられた名前。 データタイプ:文字列。 | | \.predictedFieldName | 予測可能性のためにトレーニングするフィールドを識別します。 データタイプ:文字列。 | | \.processingLanguage | 2 文字の ISO 639-1 言語コード形式の処理言語。 データタイプ:文字列。 | | \.scope | オブジェクトスコープ。現時点で有効な値は `グローバル`値のみです。 データタイプ：文字列 | | \.stopwords | オプション。languageプロパティ設定に基づいてシステムが自動的に生成する文字列のプリセットリスト。詳細については、「 [カスタムストップワードリストの作成](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)」を参照してください。 データタイプ:アレイ。 | | \.trainingFrequency | モデルを再トレーニングする頻度。 可能な値： * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#Encoder-getProperties__ul_pmw_523_plb}デフォルト:run_once データタイプ:文字列。 | [表 : 13. 返される内容] {#Encoder-getProperties__table_qps_43z_llb} 次の例では、 エンコーダーオブジェクト ます。 var myEncoder = sn_ml.EncoderStore.get('ml_sn_global_global_encoder'); gs.print(JSON.stringify(JSON.parse(myEncoder.getProperties()), null, 2)); 出力: *** Script: { "datasetsProperties": [ { "tableName": "incident", "fieldNames": [ "assignment_group", "short_description", "description" ], "encodedQuery": "activeANYTHING" } ], "domainName": "global", "label": "my encoder definition", "name": "ml_x_snc_global_global_my_encoder_definition", "processingLanguage": "en", "scope": "global", "stopwords": [ "Default English Stopwords" ], "trainingFrequency": "run_once" } ## エンコーダー:getVersion(文字列バージョン) {#ariaid-title9} エンコーダーを取得します 指定されたバージョン番号で。 {#Encoder-getVersion_S__table_pps_43z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | version | 文字列 | の既存のバージョン番号 エンコーダー。 | [表 : 14. パラメーター] {#Encoder-getVersion_S__table_pps_43z_llb} {#Encoder-getVersion_S__table_qps_43z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | [EncoderVersion](https://servicenow-prod.fluidtopics.net/hAmejPDblpeVfQ1eSiS3Lw#EncoderVersionAPI "EncoderVersion API は、予測インテリジェンス ストアで使用されるスクリプト可能なオブジェクトを提供します。") API メソッドを呼び出すことができる [Encoder()](https://servicenow-prod.fluidtopics.net/3wkxwjgt1W9OU2MIP~fozA#Encoder-Encoder_O "エンコーダーを作成します。") オブジェクトの指定されたバージョン。 | [表 : 15. 返される内容] {#Encoder-getVersion_S__table_qps_43z_llb} 次の例は、バージョン番号でソリューションのトレーニングステータスを取得する方法を示しています バージョン番号によるエンコーダー。 var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder'); gs.print(JSON.stringify(JSON.parse(mlEncoder.getVersion('1').getStatus()), null, 2)); 出力: { "state": "encoder_complete", "percentComplete": "100", "hasJobEnded": "true" } ## エンコーダー:setActiveVersion(String version) {#ariaid-title10} ストア内の指定されたバージョンのエンコーダーをアクティブ化します。 {#Encoder-setActiveVersion_S__table_pps_43z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | version | 文字列 | アクティブ化する [Encoder()](https://servicenow-prod.fluidtopics.net/3wkxwjgt1W9OU2MIP~fozA#Encoder-Encoder_O "エンコーダーを作成します。") オブジェクトバージョンの名前。 このバージョンをアクティブ化すると、他のバージョンはすべて非アクティブ化されます。 | [表 : 16. パラメーター] {#Encoder-setActiveVersion_S__table_pps_43z_llb} {#Encoder-setActiveVersion_S__table_qps_43z_llb__entry__2} | タイプ | 説明 | |-|-| | なし | | [表 : 17. 返される内容] {#Encoder-setActiveVersion_S__table_qps_43z_llb} アクティブ化する方法を示しています エンコーダー ストアでソリューションバージョン sn_ml.Encoder.setActiveVersion("ml_incident_categorization"); ## エンコーダー:submitTrainingJob() {#ariaid-title11} トレーニングジョブを送信します。 注: このメソッドを実行する前に、 [まず EncoderStore - add()](https://servicenow-prod.fluidtopics.net/YbxbByv15Wzq~p3nlkuRog#EncoderStore-add_O "新しいエンコーダーを追加します オブジェクトをストアに追加し、一意の名前を返します。") メソッドを使用してエンコーダーをストアに追加する必要があります。 {#Encoder-submitTrainingJob__table_xmd_33z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 18. パラメーター] {#Encoder-submitTrainingJob__table_xmd_33z_llb} {#Encoder-submitTrainingJob__table_ymd_33z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | [EncoderVersion](https://servicenow-prod.fluidtopics.net/hAmejPDblpeVfQ1eSiS3Lw#EncoderVersionAPI "EncoderVersion API は、予測インテリジェンス ストアで使用されるスクリプト可能なオブジェクトを提供します。") に対応するオブジェクト [エンコーダー](https://servicenow-prod.fluidtopics.net/3wkxwjgt1W9OU2MIP~fozA#Encoder-Encoder_O "エンコーダーを作成します。") トレーニング対象 | [表 : 19. 返される内容] {#Encoder-submitTrainingJob__table_ymd_33z_llb} 次の例は、データセットを作成し、 エンコーダー、追加 ストアに追加して、トレーニングジョブを送信する // Create a dataset var myData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['assignment_group', 'short_description', 'description'], 'encodedQuery' : 'activeANYTHING' }); // Create an encoder var myEncoder = new sn_ml.Encoder({ 'label': "my encoder definition", 'datasets' : [myData], 'predictedFieldName' : 'assignment_group', 'inputFieldNames':['short_description'] }); // Add the encoder to the store to later be able to retrieve it. var my_unique_name = sn_ml.EncoderStore.add(myEncoder); // Train the encoder - this is a long running job var myEncoderVersion = myEncoder.submitTrainingJob();