---
sourceDocument: Xanadu で AI を有効にする
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/xanadu/intelligent-experiences
Release :
- xanadu
ft:locale :
- ja-JP
ft:publication_title :
- Xanadu で AI を有効にする
ft:clusterId :
- platai
bundleId :
- platai
workflow :
- Platform
---
# オープンエンドエンティティの作成
# オープンエンドエンティティの作成 {#ariaid-title1}
* リリースバージョン: Xanadu
*
* 更新日 2024年08月01日
*
*  所要時間：3分
インテント予測精度を向上させる場合は、オープンエンドエンティティを使用します。オープンエンドエンティティは、モデルが発話のコンテキストに焦点を当てるのに役立ちます。
## 始める前に
* NLU ワークベンチ プラグイン、NLU ワークベンチ - Core プラグイン、NLU Common Model プラグイン、および予測インテリジェンスプラグインがすべてインスタンスにインストールされ、アクティブ化されていることを確認します。
* 仮想エージェント または AI 検索用のNLUモデルを作成または既存のものを使用します。
* インテントを作成または既存のインテントを使用します。
* 必要なロール:nlu_editor、nlu_admin、または admin。nlu_editorをモデルに割り当てる必要があります。
{#create-open-ended-entity__ul_shl_vvs_tgb}
## このタスクについて
オープンエンドエンティティ は、エンティティ自体ではなくエンティティのコンテキストに焦点を当てるようにモデルに指示します。単語またはフレーズを無期限としてマークすると、システムはエンティティをスキップし、発話内のエンティティの前後のコンテキストからインテントを予測します。
たとえば、「 iPhone を注文したい」という発話では、「an iPhone」という単語をオープンエンドエンティティとして注釈を付けます。このモデルはコンテキストに焦点を当て、ユーザーが何かを注文したいと予測します。ユーザーが注文したいものは多数あるため、それらすべてに名前を付けることは、モデル作成者にとって耐え難い作業です。
単純なエンティティの代わりにオープンエンドエンティティを使用すると、モデルはエンティティではなく発話の残りの部分に集中できます。iPhone の例では、エンティティ自体の関連性はあまりありません。したがって、システムに無視させます。
他のシナリオでは、システムにエンティティを無視させるべきではない複数のインテントが存在する可能性があるため、単純なエンティティを使用する必要があります。
注:
語彙ソース (発話内の@vocab_sourceによって参照される) にオープンエンドエンティティとして注釈を付けることはできません。語彙ソースには、簡易エンティティまたはマップされたエンティティとしてのみ注釈を付けることができます。たとえば、「ラップトップを注文したい」という発話の場合、「ラップトップ」という単語にオープンエンドエンティティとして注釈を付けることができます。ただし、発話が「@laptopを注文したい」であり、@laptopがテーブル語彙ソースまたはリスト語彙ソースを参照している場合、オープンエンドエンティティとして注釈を付けることはできません。
このシナリオ例では、ユーザーが会社の商品を注文するためのインテントを持つ NLU モデルを作成しました。
次の手順の例では、発言の 1 つからエンティティを作成して、インスタンス内の他の NLU モデルで無期限で再利用可能なものとしてシステムが認識できるようにします。
注:
インテントごとに使用できるオープンエンドエンティティは 1 つだけです。
## 手順
1. 移動先 すべてNLU ワークベンチモデル.
デフォルトでは、\[ 仮想エージェント \] タブが開きます。
2. モデルのアプリケーションのタブを選択し、モデルの名前を選択します。
3. 「モデルの詳細」ページで、「 インテント」をクリックします。
4. エンティティを追加するインテントの名前を選択します。
この例では、 #OrderMerch インテントを選択します。
5. \[発話\] タブで、発話の 1 つの単語またはフレーズを選択して、\[エンティティ\] ウィンドウを表示します。
この例では、 パーカーを選択します。
図 : 1. エンティティウィンドウ
6. \[Create New Entity (新しいエンティティを作成)\] を選択します
7. \[新しいエンティティを作成\] 画面で、フィールドを構成します。
この例では、次の構成を使用します。
* エンティティ名: 商品
* タイプ:オープンエンドを選択
{#create-open-ended-entity__ul_ry5_lyr_lkb}
図 : 2. エンティティを作成
8. \[保存\] を選択します。
マーチャントのオープンエンドエンティティには、モデルのインテント画面の発話セクションに注釈が付けられます。その名前をポイントすると、注釈の詳細に新しいエンティティとして保持されていることがわかります。このエンティティは、インスタンスの他のすべての NLU モデルで再利用できます。
## 次のタスク
エンティティを保存するようにモデルをトレーニングします。モデルを試して、エンティティ自体ではなく、エンティティのコンテキストに基づいて発話が解釈されるかどうかを確認できます。
この例では、別の商品品目でモデルをテストできます。
1. \[ モデルを試す\] を選択します。
2. 「 I want to order a polo」と入力します。
3. \[移動 (Go)\] を選択します。
{#create-open-ended-entity__ol_xyv_32b_ftb}
モデルは意図を予測し、ポロ値にマーチャントエンティティが使用されたことを示します。
**関連概念**
* [エンティティでの正規表現の使用](https://servicenow-prod.fluidtopics.net/vjC6wUYz5WqkjkqfN_4dsg "NLUエンティティで正規表現を使用して、システムによるテキストの検索、照合、管理に役立つパターンを確立する方法について説明します。")
**関連タスク**
* [単純なエンティティの作成](https://servicenow-prod.fluidtopics.net/c6xGDf_tIxblYPuS0kvhcQ "発話例の単語から 1 つ以上の単純なエンティティを作成します。エンティティは、アクションのオブジェクトまたはコンテキストです。")
* [マッピングされたエンティティを作成](https://servicenow-prod.fluidtopics.net/3qcN6t1twnRNUdHuWttZzg "語彙ソース、またはエンティティに対して手動で作成した値のリストにマッピングされたエンティティを作成します。マッピングされたエンティティは、モデルが発話を解釈するときにコンテキストとして使用できる複数の値を提供するのに役立ちます。")
* [パターンエンティティの作成](https://servicenow-prod.fluidtopics.net/mgNoxeW3HWdqbJ69uo2DkA "メールアドレスや電話番号などの繰り返し可能なパターンを持つ単語またはフレーズからパターンエンティティを作成します。これらのパターンは、システムがパターンに基づいて類似の発話を認識するのに役立ちます。")
* [システム派生エンティティの作成](https://servicenow-prod.fluidtopics.net/J1FAm2XZxmkPiCvbPCwZyw "日付、時刻、期間、場所などのデフォルトのシステムエンティティから派生したユーザー定義エンティティを作成します。")
* [エンティティのインポート](https://servicenow-prod.fluidtopics.net/K70LdQEwW5ttOX2mWona6w "他の 自然言語理解 (NLU) (NLU) モデルで作成したエンティティを再利用します。エンティティをインポートすると、時間が節約され、モデルのインテントを改善できます。")