---
sourceDocument: オーストラリアのカスタマーサービス管理 (CSM)
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/customer-service-management

 Release :

    - australia

ft:locale :

    - ja-JP

ft:publication_title :

    - オーストラリアのカスタマーサービス管理 (CSM)

ft:clusterId :

    - csm

bundleId :

    - csm

workflow :

    - Customer and Industry


---

# カスタム類似ケースモデルの作成

# カスタム類似ケースモデルの作成 {#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：4分

トレーニングモデルを設定すると、2 種類のテーブルのフィールドを比較して類似性を認識するのに役立ちます。

モデルは、予測テーブルの予測フィールドとトレーニングテーブルのトレーニングフィールドを調べます。これらのフィールドの類似性を使用して、類似のレコードを予測します。

開始する前に
:   必要なロール:ml_admin、ti_admin

このタスクについて
:   ケースの類似性モデルは、コミュニケーションパターンを学習するための大きなデータセットを使用して事前にトレーニングされています。一連のレコードを選択してモデルをテストし、結果を表示してから展開します。

## 類似ケースの予測モデルのセットアップ {#create-a-custom-similar-case-model__section_gfq_sg2_fdc}

CSM のタスクインテリジェンス を使用して類似ケースの予測モデルをセットアップし、ユーザーのデータでトレーニングします。モデルのパフォーマンス結果にアクセスし、予測と動作を設定し、モデルを展開します。

1. 移動先 すべてカスタマーサービスのタスクインテリジェンスセットアップ タスクインテリジェンスアドミンコンソールにアクセスします。
2. \[類似ケースを提案して解決時間を短縮する (Suggest similar case to reduce resolution time)\] カードで、\[モデルを設定\] を選択します。

{#create-a-custom-similar-case-model__ol_ys3_xg2_fdc}

このアクションでモデルが開き、導入ページが表示されます。モデルの各ページで問いかけが行われ、効果的なモデルのビルドに必要な情報を選択するのに役立てることができます。

## 類似性モデルのトレーニング {#create-a-custom-similar-case-model__section_zp1_fh2_fdc}

トレーニングデータを使用して類似ケースモデルをトレーニングし、ケーステーブルとトレーニングテーブルのフィールド間の類似性を認識することで、類似レコードを予測します。機械学習モデルをトレーニングすると、モデルは、予測テーブルの予測フィールドとトレーニングテーブルのトレーニングフィールドを調べます。これらのフィールドの類似性を使用して、類似のレコードを予測します。  
予測テーブルと予測フィールドなど、予測対象のテーブルとフィールドを選択できます。また、類似レコードを予測するためにモデルで使用するテーブルとフィールド (トレーニングテーブルとトレーニングフィールドなど) を選択することもできます。この情報を選択すると、トレーニング中に何を探すかがモデルに指示されます。  
注:  
推奨設定を使用することも、ニーズに合わせて設定をカスタマイズすることもできます。

1. モデルの名前を入力します。
2. モデルが予測する対象の予測テーブルを選択します。
3. トレーニング用のレコードのセットを選択する条件を選択します。  
   注:  
   これらの条件は、予測を行うためにレコードが満たす必要がある要件を提供します。ただし、この機能は現時点ではサポートされていません。
4. 類似レコードの予測に使用される予測フィールドを選択します。
5. モデルが予測に使用するトレーニングデータ内のトレーニングテーブルを選択します。
6. トレーニング用のレコードのセットを選択する条件を選択します。
7. モデルが予測に使用するトレーニングフィールドを選択します。
8. トレーニングが行われる言語を選択します。
9. \[更新頻度\] を選択して、トレーニングを実行する頻度を決定します。
10. 選択した条件に基づいて、トレーニングデータ内の結果のレコードの数を確認します。

    カウントされるレコードには、モデルがトレーニングに使用するフィールド、パラメーター、およびデータの数が含まれます。指定された情報と設定された条件に基づいて、数またはレコードは自動的に更新されます。効果的なトレーニングのためには、モデルに少なくとも 10,000 件のレコードが必要です。この最小数を満たしていない場合は、別の条件を選択してください。リフレッシュアイコンをクリックして番号を更新することもできます。
11. モデルを手動で保持するか、自動再トレーニングに設定するかを選択します。
12. \[トレーニングの開始\] を選択します。
{#create-a-custom-similar-case-model__ol_zyw_3h2_fdc}

## 類似性モデルの評価 {#create-a-custom-similar-case-model__section_oyn_3l2_fdc}

モデルトレーニングの結果を評価し、ケースに対して予測された類似レコードを確認するためにサンプル結果を表示します。結果を確認すると、展開後にモデルのパフォーマンスがどうなるかを確認できます。サンプル結果に基づいて、予測設定を選択します。モデルには柔軟なオプションが備わっています。各ケースレコードの感度と要件に基づいて、以下のアクションを実行できます。

* ケースに対する類似レコードを推奨します。
* ケースの予測モデルをバックグラウンドでのみモニタリングおよび実行します。アドミンは、次の場所に移動することで、モデルによって行われた予測を追跡できます すべてカスタマーサービスのタスクインテリジェンス履歴.
* ケースに対する予測をオフにします。
{#create-a-custom-similar-case-model__ul_n34_kl2_fdc}  
類似性モデル評価のステップ

1. \[トレーニングに使用されたレコードの推定数\] セクションで数値を確認します。
2. \[サンプル結果を表示\] を選択して、各ケースに対して予測された類似レコードを表示します。
3. 各フィールドの \[予測設定 (Prediction preference)\] ドロップダウンリストから、次のいずれかのオプションを選択します。{#create-a-custom-similar-case-model__table_d41_dm2_fdc__entry__2}

   | オプション | 説明 |
   |-|-|
   | 推奨事項 | 類似性パターンに基づく上位の推奨事項を表示します。エージェントは、推奨事項を受け入れるか却下するかを選択できます。CSM の高度な推奨アクションを使用して、推奨値の数を構成できます。詳細については、「[推奨アクション アプリケーションの構成](https://servicenow-prod.fluidtopics.net/Rx2Y5jWU6NLbt9e0CJLKhg "アドミニストレーターは、レコードコンテキストに基づいて関連アクションをエージェントに表示するように 推奨アクション アプリケーションを構成します。")」を参照してください。 |
   | 予測をオフにする | モデルによる予測の実行を停止します。 |
   | 監視のみ | ケースフォームで予測を行わず、バックグラウンドでのみモデルをモニタリングおよび実行します。 |
   [ ]

   {#create-a-custom-similar-case-model__table_d41_dm2_fdc}
4. \[保存して続行\] を選択します。
{#create-a-custom-similar-case-model__ol_lbl_rl2_fdc}

## 類似性モデルの展開 {#create-a-custom-similar-case-model__section_f4p_jm2_fdc}

類似ケースモデルを展開して、ケースの類似レコードを予測します。

1. 前のページの選択内容と、モデルのトレーニング方法に関する情報を確認します。
2. \[展開\] を選択してモデルを展開します。
{#create-a-custom-similar-case-model__ol_tkl_lm2_fdc}

モデルが展開されたことを確認するポップアップが表示されます。