--- 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 --- # EncoderVersion - 전역 # EncoderVersion - 전역 {#ariaid-title1} * 릴리스 버전: Australia * * 업데이트 날짜 2026년 03월 12일 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 14분 EncoderVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 개체를 제공합니다. 이것 API에는 플러그인(com.glide.platform_ml)이 필요 예측 인텔리전스 하며 `sn_ml` 네임스페이스 내에서 제공됩니다. 이 API는 [인코더 저장소](https://servicenow-prod.fluidtopics.net/MCPqrqLfJHp5JvpFWi0zrQ#EncoderStoreAPI "EncoderStore API는 인코더를 저장하고 검색하는 메서드를 제공합니다.")의 [인코더 API](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.") 개체를 기반으로 인코더 버전을 사용하는 데 사용됩니다. 최신 버전의 인코더 활성화하고 한 번에 하나의 버전만 활성화할 수 있습니다. 그러나 예측에 사용하려는 이전에 학습된 버전을 활성화할 수 있습니다. 이 API의 메서드는 다음 인코더 메서드를 사용하여 액세스할 수 있습니다. * [getActiveVersion()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-getActiveVersion "활성 항목을 가져옵니다. EncoderVersion 객체입니다.") * [getAllVersions()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-getAllVersions "의 모든 버전을 가져옵니다. 인코더.") * [getLatestVersion()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-getLatestVersion "의 최신 버전을 가져옵니다. 인코더.") * [getVersion()](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-getVersion_S "인코더를 가져옵니다. 제공된 버전 번호를 기준으로 합니다.") {#EncoderVersionAPI__ul_ycl_fzf_tlb} ## EncoderVersion - getProperties() {#ariaid-title2} 인코더 객체 속성을 및 버전 번호가져옵니다. {#EncoderV-getProperties__table_d2m_zwz_4lb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | 안 함 | | | [표 1. 매개변수] {#EncoderV-getProperties__table_d2m_zwz_4lb} {#EncoderV-getProperties__table_e2m_zwz_4lb__entry__2} | 유형 | 설명 | |-|-| | 객체 | 데이터 세트의 내용 및 [인코더](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-Encoder_O "인코더를 생성합니다.") 세부 정보입니다. 결과는 객체 속성 설정에 따라 다릅니다. { "algorithmConfig" : {Object}, "datasetsProperties": [Array], "domainName": "String", "isActive": "String", "label": "String", "name": "String", "predictedFieldName": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String", "versionNumber": "Number" } | | \.algorithmConfig | 옵션입니다. 알고리즘 구성 속성을 포함하는 JavaScript 객체입니다. 'algorithmConfig' : { "algorithm": "String" } 데이터 유형: 객체. | | \.algorithmConfig.algorithm | 이 인코더를 학습시키기 위한 알고리즘의 이름입니다. 가능한 값: * paravec: 단락 벡터 단어 임베딩입니다. * tf-idf: TF-IDF(Term Frequency--Inverse Document Frequency) 기반 텍스트입니다. {#EncoderV-getProperties__ul_encoder_alg_vals} 데이터 유형: 문자열. | | \.datasetsProperties | 인코더와 연결된 [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/o0mItlJWRoXXtFiWYvWHUw#DDef-DatasetDefinition_O "테이블 이름, 필드 및 쿼리로 데이터 세트를 정의할 수 있도록 DatasetDefinition 클래스의 인스턴스를 만듭니다.") 속성의 목록입니다. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } 데이터 유형: 배열. | | \.datasetsProperties.tableName | 데이터 세트의 테이블 이름입니다. 예: `"tableName" : "Incident"`. 데이터 유형: 문자열. | | \.datasetsProperties.fieldNames | 지정된 테이블의 필드 이름을 문자열로 나열합니다. 예: `"fieldNames" : ["short_description", "priority"]`. 데이터 유형: 배열. | | \.datasetsProperties.fieldNames.fieldDetails | 필드 속성을 지정하는 JavaScript 객체의 목록입니다. [ { "name": "String", "type": "String" } ] 데이터 유형: 배열. | | \.datasetsProperties.fieldNames.fieldDetails.\. 이름 | 이 데이터 세트를 제한하는 정보 유형을 정의하는 필드의 이름입니다. 데이터 유형: 문자열. | | \.datasetsProperties.fieldDetails.\. 유형 | 머신 러닝 필드 유형입니다. 데이터 유형: 문자열. | | \.datasetsProperties.fieldDetails.encodedQuery | 표준 Glide 형식으로 인코딩된 쿼리 문자열입니다. [인코딩된 쿼리 문자열을 참조하세요.](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=australia&pubname=australia-platform-user-interface&ft:locale=en-US) 데이터 유형: 문자열. | | \.domainName | 이 데이터 세트와 연결된 도메인 이름입니다. [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)를 참조하십시오. 데이터 유형: 문자열. | | \.isActive | 이 버전이 활성 상태인지 여부를 나타내는 플래그입니다. 유효한 값은 다음과 같습니다. * true: 버전이 활성 상태입니다. * false: 버전이 활성 상태가 아닙니다. {#EncoderV-getProperties__ul_i5m_lp1_dmb} 데이터 유형: 문자열 | | \.label | 예측 작업을 식별합니다. { "label": "my first prediction" } 데이터 유형: 문자열. | | \.name | 시스템에서 할당한 이름입니다. 데이터 유형: 문자열. | | \.predictedFieldName | 예측 가능성을 학습시킬 필드를 식별합니다. 데이터 유형: 문자열. | | \.processingLanguage | 두 글자 ISO 639-1 언어 코드 형식의 처리 언어입니다. 데이터 유형: 문자열. | | \.scope | 객체 범위입니다. 현재 유효한 값은 `전역`입니다. 데이터 유형: 문자열 | | \.stopwords | 옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 문자열의 사전 설정 목록입니다 language . 자세한 내용은 [사용자 지정 스톱 워드 목록 만들기](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)를 참조하세요. 데이터 유형: 배열. | | \.trainingFrequency | 모델을 재교육할 빈도입니다. 가능한 값: * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#EncoderV-getProperties__ul_pmw_523_plb}기본값: run_once 데이터 유형: 문자열. | | \.versionNumber | 의 버전 번호 Encoder 객체입니다. 데이터 유형: 문자열. | [표 2. 반환] {#EncoderV-getProperties__table_e2m_zwz_4lb} 다음 예제에서는 저장소에 있는 활성 객체 버전의 속성을 가져옵니다. // Get properties var mlEncoder = sn_ml.EncoderStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlEncoder.getActiveVersion().getProperties()), null, 2)); 출력: *** Script: { "datasetsProperties": [ { "tableName": "incident", "fieldNames": [ "assignment_group", "short_description", "description" ], "encodedQuery": "activeANYTHING" } ], "domainName": "global", "isActive": "true", "label": "my encoder definition", "name": "ml_x_snc_global_global_my_encoder_definition", "processingLanguage": "en", "stopwords": [ "Default English Stopwords" ], "versionNumber": "1" } ## EncoderVersion - getSentenceVectors(배열 입력) {#ariaid-title3} 각 입력 문장에 대한 벡터를 반환합니다. {#EncoderV-getSentenceVectors_A__table_rtq_hdb_rlb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | 입력 | 배열 | 벡터를 받을 문장으로서의 문자열 배열입니다. | [표 3. 매개변수] {#EncoderV-getSentenceVectors_A__table_rtq_hdb_rlb} {#EncoderV-getSentenceVectors_A__table_stq_hdb_rlb__entry__2} | 유형 | 설명 | |-|-| | 문자열 | 문장 벡터의 배열입니다. | [표 4. 반환] {#EncoderV-getSentenceVectors_A__table_stq_hdb_rlb} 다음 예제에서는 단일 문장에 대한 벡터를 반환하는 방법을 보여 줍니다. var myEncoderName = 'GloVe'; var myEncoder = sn_ml.EncoderStore.get(myEncoderName); var input = ["I like to code."]; var vectors = myEncoder.getActiveVersion().getSentenceVectors(input); gs.print(vectors); 출력: *** Script: [-0.16243751347064972,0.30614474415779114,0.08489049971103668, -0.48100000619888306,-0.170997753739357,0.08779674768447876,-0.07848624140024185,-0.15123701095581055, -0.07843250036239624,-1.9505999088287354,0.3007825016975403,-0.07804800570011139,-0.04779449850320816, 0.04803549498319626,0.09848674386739731,0.2427891194820404,-0.41138750314712524,0.10880374908447266, ... , 0.21227750182151794,0.18478751182556152,-0.3113832473754883,-0.16560424864292145,0.09052124619483948] ## EncoderVersion - getSimilarWords(배열 입력, 객체 옵션) {#ariaid-title4} 유사성 순위 내림차순으로 각 입력 단어와 유사한 단어를 반환합니다. {#EncoderV-getSimilarWords_A_O__table_mxj_kdb_rlb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | 입력 | 배열 | 유사한 단어를 찾을 단어의 배열입니다. | | 옵션 | 객체 | 결과를 구체화하려면 매핑합니다. { "topN":"String" } | | 옵션.topN | 문자열 | 제공된 경우 지정된 숫자까지 상위 결과를 반환합니다. 단어의. 예를 들어 `"10" ` 을 사용하여 가장 유사한 상위 10개 단어를 반환합니다. | [표 5. 매개변수] {#EncoderV-getSimilarWords_A_O__table_mxj_kdb_rlb} {#EncoderV-getSimilarWords_A_O__table_nxj_kdb_rlb__entry__2} | 유형 | 설명 | |-|-| | 배열 | 해당 위치에 입력 단어와 유사한 단어가 포함된 요소의 목록입니다. 이러한 유사한 단어는 `[단어, 유사성 점수]` 형식의 쌍 배열로 표시됩니다. | [표 6. 반환] {#EncoderV-getSimilarWords_A_O__table_nxj_kdb_rlb} 다음 예제에서는 GloVe 인코더를 사용하여 유사한 단어를 가져오는 방법을 보여 줍니다. var myEncoderName = 'GloVe'; var myEncoder = sn_ml.EncoderStore.get(myEncoderName); var input = ["apple"]; var options = {"topN":"5"}; gs.print(myEncoder.getActiveVersion().getSimilarWords(input, options)); 출력: *** Script: [[["iphone",0.5987],["macintosh",0.5836],["ipod",0.5761],["microsoft",0.5664],["ipad",0.5628]]] ## EncoderVersion - getStatus(부울 includeDetails) {#ariaid-title5} 교육 완료 상태를 가져옵니다. {#EncoderV-getStatus_B__table_xfh_vbw_plb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | includeDetails | 부울 | 상태를 details반환할지 여부를 나타내는 플래그입니다. 유효한 값은 다음과 같습니다. * true: 추가 상세 정보를 반환합니다. * false: 추가 상세 정보를 반환하지 않습니다. {#EncoderV-getStatus_B__ul_n33_ckw_plb} 기본값: false | [표 7. 매개변수] {#EncoderV-getStatus_B__table_xfh_vbw_plb} {#EncoderV-getStatus_B__table_yfh_vbw_plb__entry__2} | 유형 | 설명 | |-|-| | 객체 | 에 대한 교육 상태 정보를 포함하는 JavaScript 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.") 객체입니다. { "state": "String", "percentComplete": "Number as a String", "hasJobEnded": "Boolean value as a String", "details": {Object} } | | \.상태 | 교육 완료 상태입니다. 교육 작업이 종료 상태에 도달해도 작업이 종료 상태를 벗어나지 않습니다. 상태가 종료이면 속성이 hasJobEnded`true`로 설정됩니다. 가능한 값: * fetching_files_for_training * preparing_data * 재시도 * solution_cancelled (단말기) * solution_complete (터미널) * solution_error (터미널) * solution_incomplete * training_request_received * training_request_timed_out (단말기) * training_solution * uploading_solution * waiting_for_training {#EncoderV-getStatus_B__ul_a5q_gh4_vlb} 데이터 유형: 문자열 | | \.hasJobEnded | 교육이 완료되었는지 여부를 나타내는 플래그입니다. 유효한 값은 다음과 같습니다. * true: 교육이 완료되었습니다. * false: 교육이 완료되지 않았습니다. {#EncoderV-getStatus_B__ul_icy_zjx_rlb} 데이터 유형: 문자열로서의 부울 값 | | \.percent완료 | 교육 완료율. 완료율이 100 미만이면 작업이 종료 상태일 수 있습니다. 예를 들어 교육 시간이 초과되는 경우입니다. 데이터 유형: 문자열로 숫자 범위: 0에서 100까지 | | \.상세 정보 | 추가 교육 상세 정보 목록이 포함된 객체입니다. 데이터 유형: 객체 | [표 8. 반환] {#EncoderV-getStatus_B__table_yfh_vbw_plb} 다음 예시에서는 교육이 완료된 성공적인 결과를 보여줍니다. // Get status var mlEncoder = sn_ml.EncoderStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlEncoder.getActiveVersion().getStatus(true), null, 2))); 출력: { "state":"solution_complete", "percentComplete":"100", "hasJobEnded":"true", "details":{"stepLabel":"Encoder Complete"} // This information is only returned if getStatus(true); } 다음 예에서는 교육이 완료된 실패한 결과를 보여줍니다. // Get status var encoderName = 'ml_x_snc_global_global_encoder'; var mlEncoder = sn_ml.EncoderStore.get(encoderName); var trainingStatus = mlEncoder.getLatestVersion().getStatus(); gs.print(JSON.stringify(JSON.parse(trainingStatus), null, 2)); 출력: { "state":"solution_error", "percentComplete":"100", "hasJobEnded":"true" } ## EncoderVersion - getVersionNumber() {#ariaid-title6} 의 버전 번호를 가져옵니다. 솔루션 객체입니다. {#EncoderV-getVersionNumber__table_jsz_sbw_plb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | 안 함 | | | [표 9. 매개변수] {#EncoderV-getVersionNumber__table_jsz_sbw_plb} {#EncoderV-getVersionNumber__table_ksz_sbw_plb__entry__2} | 유형 | 설명 | |-|-| | 문자열 | 버전 번호입니다. | [표 10. 반환] {#EncoderV-getVersionNumber__table_ksz_sbw_plb} 다음 예시는 버전 번호를 가져오는 방법을 보여줍니다. // Get version number var mlEncoder = sn_ml.EncoderStore.get('ml_incident_categorization'); gs.print("Version number: "+JSON.stringify(JSON.parse(mlEncoder.getActiveVersion().getVersionNumber()), null, 2)); 출력: Version number: 1 ## EncoderVersion - getWordVectors(배열 입력) {#ariaid-title7} 각 입력 단어에 대한 벡터를 반환합니다. {#EncoderV-getWordVectors_A__table_jtt_mdb_rlb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | 입력 | 배열 | 벡터를 수신할 단어로서의 문자열 목록입니다. | [표 11. 매개변수] {#EncoderV-getWordVectors_A__table_jtt_mdb_rlb} {#EncoderV-getWordVectors_A__table_ktt_mdb_rlb__entry__2} | 유형 | 설명 | |-|-| | 배열 | 제공된 각 단어의 벡터 목록입니다. | [표 12. 반환] {#EncoderV-getWordVectors_A__table_ktt_mdb_rlb} 다음 예제는 hello라는 단어에서 벡터를 가져오는 방법을 보여줍니다. var myEncoderName = 'GloVe'; var myEncoder = sn_ml.EncoderStore.get(myEncoderName); var input = ["hello"]; gs.print(myEncoder.getActiveVersion().getWordVectors(input)); 출력: *** Script: [[-0.337119996547699,-0.2169100046157837,-0.006636499892920256, -0.41624999046325684,-1.2554999589920044,-0.0284659992903471,-0.7219499945640564, -0.5288699865341187,0.0072085000574588776,0.3199700117111206,0.02942500077188015, -0.013236000202596188,0.4351100027561188,0.2571600079536438,0.3899500072002411, ... , 0.3384299874305725,0.4055800139904022,0.18073000013828278,0.6424999833106995]]