---
sourceDocument: Xanadu のガバナンス、リスク、コンプライアンス
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/xanadu/governance-risk-compliance

 Release :

    - xanadu

ft:locale :

    - ja-JP

ft:publication_title :

    - Xanadu のガバナンス、リスク、コンプライアンス

ft:clusterId :

    - grc

bundleId :

    - grc

workflow :

    - Technology


---

# 問題アサインの予測のため類似ソリューション定義をトレーニングおよび使用

# 問題アサインの予測のため類似ソリューション定義をトレーニングおよび使用 {#ariaid-title1}

* リリースバージョン: Xanadu
* 
* 更新日 2024年08月01日
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：5分

ガバナンス、リスク、コンプライアンス 予測インテリジェンス プラグインを有効にして、機械学習ソリューションをトレーニングして使用します。このソリューションにより、システムは問題をルーティングする正しいアサイニーを自動的に提案できます。これらの提案により、問題の担当者の決定にかかる時間が短縮されます。

## 始める前に

次のプラグインがアクティブ化されていることを確認してください。

* ポリシーとコンプライアンス管理 プラグイン
* リスク管理 プラグイン
* GRC Profiles プラグインをアクティブ化する必要があります。
* 予測インテリジェンス プラグイン

{#create-retrain-similarity-solution-issue-assignment__ul_ptg_5kj_gnb}  
sn_grc.admin ロールで以下[GRC のプロパティ](https://servicenow-prod.fluidtopics.net/cMM1IwsqXcxcJvVMBmDwpg "ポリシーとコンプライアンスとリスク管理に共通の GRC プロパティは次のとおりです。")を変更します。

* \[問題アサイニーの提案の基準\] プロパティ (Similarity Analysis)。
* \[問題アサイニーの予測の機械学習ソリューション\] プロパティ (ml_x_snc_sn_grc_pred_intel_global_similarity_solution_definition_for_assigned_to_for_issue)。
{#create-retrain-similarity-solution-issue-assignment__ul_hsv_vkj_gnb}

必要なロール：ml_admin

## 手順

1. 移動先 予測インテリジェンス類似性ソリューション定義.
2. \[問題のアサイン先の類似性ソリューション定義 (Similarity Solution Definition for Assigned To for Issue)\] ソリューションをクリックします。  
   {#create-retrain-similarity-solution-issue-assignment__table_o1g_bfj_3fb__entry__2}

   | 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。 |
   | 名前 | 類似性ソリューションの名前。このフィールドは、\[ラベル\] フィールドの値に最も類似したシステムアサインの名前に自動的に設定されます。 |
   | ワードコーパス | ソリューションに関連する既存のワードコーパス。このユースケースでは、\[問題アサインのワードコーパス (Word Corpus for Issue Assignment)\] を選択します。 注: 類似性ソリューションのワードコーパスでは、テーブルごとのレコード数は 30 万件に制限されています。 |
   | テーブル | トレーニング対象および予測対象のレコードを含むテーブル。テーブル値をアサインすると、フォームにリンクが表示されます。リンクには、現在の条件に一致するレコードの数が表示されます。 このユースケースでは、フィールドは自動的に問題 \[sn_grc_issue\] テーブルに設定されます。このソリューション定義のこのフィールドは変更しないでください。 |
   | フィールド | オーナーの特定に役立つ可能性があるフィールドタイプ。\[テーブル\] フィールドのテーブルから列を選択すると、列のデータにより問題をさらに正確に予測できます。このユースケースでは、\[簡単な説明\] フィールドと \[説明\] フィールドが選択されています。これらのフィールドは、所有者を特定しようとしている問題レコードのテキストを含むフィールドタイプです。 注: データベースの問題レコードに他の空でない重要なフィールドがある場合は、ここで選択したフィールドを変更でき、これらのフィールドは、問題オーナーを予測するための類似の問題を見つけることができます。 |
   | テストテーブル | 予測対象のレコードを含むテーブル。このユースケースでは、フィールドは自動的に問題 \[sn_grc_issue\] テーブルに設定されます。 注: \[類似\] ウィンドウで取得できるレコードの数は 10 までに制限されています。このソリューション定義では、このフィールドは変更しないでください。 |
   | テストフィールド | 予測中に入力として使用されるフィールド。このユースケースでは、\[簡単な説明\] フィールドと \[説明\] フィールドを選択します。 注: データベースの問題レコードに他の空でない重要なフィールドがある場合は、ここで選択したフィールドを変更でき、これらのフィールド は、問題オーナーを予測するための類似の問題を見つけることができます。 |
   | フィルター | 類似結果を取得するためのベースとして使用しているフィールドレコードに条件を適用するフィルター。たとえば、このユースケースでは、フィールドを空のままにすると提案が表示されないため、\[アサイン先 \[次の条件に一致\] \[空ではない\]\] 条件を設定できます。 |
   | 処理言語 | ソリューション定義でトレーニングしているデータセットの主要言語。データセット言語が英語である場合は、\[英語\] を選択してください。 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、システムは英語とイタリア語の両方でデータを処理します。 注: 処理という用語は、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を示します。これらの手順には、単語のトークン化、ストップワードの削除、語幹の解釈などが含まれます。 |
   | ストップワード | ストップワードのリスト。処理言語を選択した場合、システムは同じ言語を使用しているストップワードリストを自動的に追加します。たとえば、処理言語が英語の場合、\[デフォルトの英語のストップワード (Default English Stopwords)\] リストが表示されます。選択すると、\[デフォルトの英語のストップワード (Default English Stopwords)\] リストも表示されます。ストップワードの独自のカスタムリストを追加できます。 |
   | トレーニング頻度 | トレーニングの頻度。再トレーニングオプションの範囲は、1 日 1 回から 30 日に 1 回まで、3 か月単位で増分でき、最大 180 日です。 |
   | 更新頻度 | 類似性結果の取得に使用するデータをリフレッシュする頻度。 たとえば、新しい問題は通常、1 日を通じて頻繁に発生します。未解決の問題レコードがある場合は、\[15 分ごと\] の更新頻度を選択することもできます。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を高めることができます。 |
   [表 : 1. 類似性定義フォーム]

   {#create-retrain-similarity-solution-issue-assignment__table_o1g_bfj_3fb}
3. ソリューション定義に該当するボタンをクリックします。

   | オプション | 説明 |
   | 保存 | 後で戻ることができるように、ソリューション定義レコードを保存します。 |
   | 更新して再トレーニング | ソリューション定義を変更して、それをトレーニングします。 |
   |-|-|

   {#create-retrain-similarity-solution-issue-assignment__choicetable_ohd_ndj_3fb}