---
sourceDocument: 호주 API 참조
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/api-reference

 Release :

    - australia

ft:locale :

    - ko-KR

ft:publication_title :

    - 호주 API 참조

ft:clusterId :

    - crapiref

bundleId :

    - crapiref

workflow :

    - Creator


---

# EncoderStore - 전역

# EncoderStore - 전역 {#ariaid-title1}

* 릴리스 버전: Australia
* 
* 업데이트 날짜 2026년 03월 12일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 5분

EncoderStore API는 인코더를 저장하고 검색하는 메서드를 제공합니다.

이것 API에는 플러그인(com.glide.platform_ml)이 필요 예측 인텔리전스 하며 `sn_ml` 네임스페이스 내에서 제공됩니다.

## EncoderStore - add(Object mlEncoder) {#ariaid-title2}

새 인코더 추가 하고 고유한 이름을 반환합니다.
주:  
레이블 값은 고유할 필요가 없습니다. 예를 들어 동일한 레이블로 이 메서드를 10번 실행하면 이 메서드는 저장소에 고유한 이름의 개체 10개를 추가합니다.
{#EncoderStore-add_O__table_vwy_1fr_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| ml인코더 | [인코더](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#EncoderAPI "인코더 API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체를 제공합니다. 이 객체는 인코더별 목표 및 구성에 따라 입력 데이터를 숫자 벡터로 변환합니다. 인코더는 인코딩을 실행하는 데 독립적으로 사용하거나 텍스트 열을 인코딩하는 솔루션의 일부로 구성할 수 있습니다.") | [인코더()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-Encoder_O "인코더를 생성합니다.") 스토어에 추가할 객체입니다. |
[표 1. 매개변수]

{#EncoderStore-add_O__table_vwy_1fr_llb} {#EncoderStore-add_O__table_wwy_1fr_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 문자열 | 시스템에서 생성된 솔루션 이름입니다. |
[표 2. 반환]

{#EncoderStore-add_O__table_wwy_1fr_llb}  
추가하는 방법을 보여줍니다 인코더 인코더 스토어에 사용 [- submitTrainingJob()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-submitTrainingJob "교육 작업을 제출합니다.") 교육 작업을 스토어에 추가한 후 실행합니다.

    // Create a dataset 
    var myData = new sn_ml.DatasetDefinition({

      'tableName' : 'incident',
      'fieldNames' : ['assignment_group', 'short_description', 'description'],
      'encodedQuery' : 'activeANYTHING'

    });

    // Create a solution 
    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);

## 인코더스토어 - deleteObject(문자열 이름) {#ariaid-title3}

저장소에서 지정된 인코더 개체를 제거합니다.
{#EncoderStore-deleteObject_S__table_rmj_lfr_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 이름 | 문자열 | [인코더()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-Encoder_O "인코더를 생성합니다.") 삭제할 객체입니다. 이름 |
[표 3. 매개변수]

{#EncoderStore-deleteObject_S__table_rmj_lfr_llb} {#EncoderStore-deleteObject_S__table_smj_lfr_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 없음 |   |
[표 4. 반환]

{#EncoderStore-deleteObject_S__table_smj_lfr_llb}  
다음 예제에서는 저장소에서 인코더를 삭제하는 방법을 보여 줍니다.

    sn_ml.EncoderStore.deleteObject("ml_sn_global_global_encoder");

## EncoderStore - get(문자열 이름) {#ariaid-title4}

스토어에서 인코더 객체를 가져옵니다.
{#EncoderStore-get_S__table_zvw_v2r_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 이름 | 문자열 | 스토어에 있는 인코더의 이름입니다. |
[표 5. 매개변수]

{#EncoderStore-get_S__table_zvw_v2r_llb} {#EncoderStore-get_S__table_aww_v2r_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 객체 | [인코더](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#EncoderAPI "인코더 API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체를 제공합니다. 이 객체는 인코더별 목표 및 구성에 따라 입력 데이터를 숫자 벡터로 변환합니다. 인코더는 인코딩을 실행하는 데 독립적으로 사용하거나 텍스트 열을 인코딩하는 솔루션의 일부로 구성할 수 있습니다.") 객체. 객체가 없는 경우 오류를 반환합니다. |
[표 6. 반환]

{#EncoderStore-get_S__table_aww_v2r_llb}  
다음 예제에서는 get() 메서드를 사용하여 저장소에서 인코더 개체를 가져오고 [EncoderVersion - getStatus()](https://servicenow-prod.fluidtopics.net/2OomhUORsvXdj73OsQeXjQ#EncoderV-getStatus_B "교육 완료 상태를 가져옵니다.") 메서드를 사용하여 [인코더 - getActiveVersion()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-getActiveVersion "활성 항목을 가져옵니다. EncoderVersion 객체입니다.") 학습 상태를 보는 방법을 보여 줍니다.

    // Get status
    var myEncoder = sn_ml.EncoderStore.get('ml_incident_categorization');

    gs.print(JSON.stringify(JSON.parse(myEncoder.getActiveVersion().getStatus(), null, 2)));

출력:

    {
     "state":"solution_complete",
     "percentComplete":"100",
     "hasJobEnded":"true"
    }

## EncoderStore - getAllNames(객체 옵션) {#ariaid-title5}

스토어에 있는 모든 인코더 정의 기록의 이름을 가져옵니다.
{#EncoderStore-getAllNames__id_bfn_kwh_wnb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 옵션 | 객체 | 지정된 속성 내에서 결과를 제한하는 옵션입니다. { "label": "String", "domainName": "String", "scope": "String" }; |
| options.label | 문자열 | 옵션입니다. 솔루션 객체의 레이블입니다. |
| options.domainName | 문자열 | 옵션입니다. 솔루션 객체의 도메인 이름입니다. 다음을 참조 [도메인 분리 및 예측 인텔리전스](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US). |
| 옵션.범위 | 문자열 | 옵션입니다. 솔루션 객체에 대한 [애플리케이션 범위](https://www.servicenow.com/docs/access?context=c_ApplicationScope&version=australia&pubname=australia-application-development&ft:locale=en-US) 의 이름입니다. |
[표 7. 매개변수]

{#EncoderStore-getAllNames__id_bfn_kwh_wnb} {#EncoderStore-getAllNames__table_aww_v2r_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 배열 | 저장소의 인코더 개체 이름을 나타내는 문자열 목록입니다. |
[표 8. 반환]

{#EncoderStore-getAllNames__table_aww_v2r_llb}  
다음 예제에서 getAllNames() 메서드는 저장소의 모든 이름 목록을 반환합니다.

    gs.print(JSON.stringify(JSON.parse(sn_ml.EncoderStore.getAllNames()), null, 2));

출력:

    [
      "ml_x_snc_global_global_classification_word_corpus",
      "ml_x_snc_global_global_predictability_estimate",
      "GloVe",
      "ml_x_snc_global_global_encoder",
      "ml_x_snc_global_global_predictability_estimate_1"
    ]

다음 예제에서 getAllNames() 메서드는 매개변수에 설정된 값과 연결된 이름만 반환합니다 options .

    var options = {
      'label' : 'my encoder definition',
      'domainName' : 'global',
      'scope' : 'global'
    };
    var solNames = sn_ml.EncoderStore.getAllNames(options);
    gs.print(JSON.stringify(JSON.parse(solNames), null, 2));

출력:

    [
      "ml_x_snc_global_global_my_encoder_definition"
    ]

## EncoderStore - update(String name, Object mlEncoder) {#ariaid-title6}

스토어에서 인코더 개체를 업데이트합니다.
{#EncoderStore-update_S_O__table_v5p_wxr_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 이름 | 문자열 | 업데이트할 인코더의 이름입니다. |
| ml인코더 | [인코더](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#EncoderAPI "인코더 API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체를 제공합니다. 이 객체는 인코더별 목표 및 구성에 따라 입력 데이터를 숫자 벡터로 변환합니다. 인코더는 인코딩을 실행하는 데 독립적으로 사용하거나 텍스트 열을 인코딩하는 솔루션의 일부로 구성할 수 있습니다.") | [인코더()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-Encoder_O "인코더를 생성합니다.") 업데이트할 객체 속성입니다. |
[표 9. 매개변수]

{#EncoderStore-update_S_O__table_v5p_wxr_llb} {#EncoderStore-update_S_O__table_w5p_wxr_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 없음 |   |
[표 10. 반환]

{#EncoderStore-update_S_O__table_w5p_wxr_llb}  
다음 예제에서는 저장소에서 인코더 개체를 업데이트하는 방법을 보여 줍니다.

    var encoderUpdate = new sn_ml.Encoder({
      'label': 'my encoder definition',
      'dataset' : myData,
      'predictedFieldName' : 'assignment_group',
      'inputFieldNames': ['short_description']
    });

    sn_ml.EncoderStore.update('ml_sn_global_global_incident_service', encoderUpdate);