--- sourceDocument: Xanadu AI 활성화 sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/xanadu/intelligent-experiences Release : - xanadu ft:locale : - ko-KR ft:publication_title : - Xanadu AI 활성화 ft:clusterId : - platai bundleId : - platai workflow : - Platform --- # 매핑된 엔터티 생성 # 매핑된 엔터티 생성 {#ariaid-title1} * 릴리스 버전: Xanadu * * 업데이트 날짜 2024년 08월 01일 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 2분 어휘 소스 또는 엔터티에 대해 수동으로 만든 값 목록에 매핑된 엔터티를 만듭니다. 매핑된 엔터티는 모델이 발언을 해석할 때 컨텍스트로 사용할 수 있는 여러 값을 제공하는 데 도움이 될 수 있습니다. ## 시작하기 전에 * 플러그인, NLU 워크벤치 코어 플러그인, NLU 공통 모델 플러그인 및 예측 인텔리전스 플러그인이 모두 인스턴스에 설치되고 활성화되어 있는지 확인합니다NLU 워크벤치. * 또는 AI 검색에 대해 가상 에이전트 기존 NLU 모델을 생성하거나 사용합니다. * 기존 의도를 작성하거나 사용합니다. * 필요한 역할: nlu_editor, nlu_admin 또는 admin nlu_editor 모델에 할당해야 합니다. {#create-mapped-entity-lookup-source__ul_shl_vvs_tgb} ## 이 태스크 정보 매핑된 엔터티는 발언의 단어를 가져와 지정된 소스에 따라 값을 추출합니다. 모델은 의도를 예측할 때 소스를 사용합니다. 매핑된 엔터티를 만들 때 소스에 대해 다음 세 가지 옵션이 있습니다. * 수동 값 목록: 이 옵션을 사용하여 엔터티에 대한 값 목록을 수동으로 입력합니다. 예를 들어 priority 라는 매핑된 엔터티를 만들어 발언의 urgent라는 단어에 매핑한 다음, 높음, 중간, 낮음 값을 사용하여 수동으로 목록을 작성할 수 있습니다. * 테이블 어휘 소스: 찾고 있는 값이 있는 테이블이 있는 경우 ServiceNow 이 옵션을 사용합니다. 엔터티를 테이블 어휘 소스에 매핑하면 엔터티가 테이블에서 여러 값을 참조할 수 있습니다. 예를 들어 @Location 어휘 소스를 사용합니다. 여기서 @Location에는 도시와 국가에 대한 값이 있습니다. * 목록 어휘 소스: 찾고 있는 값이 있는 테이블이 없는 ServiceNow 경우 이 옵션을 사용합니다. 예를 들어, @mouse 어휘 소스를 사용합니다. 여기서 @mouse에는 핸드헬드 컴퓨터 장치의 다양한 모델에 대한 값이 있습니다. {#create-mapped-entity-lookup-source__ul_lxg_vpz_3sb} 이 예시 절차에서는 긴급도를 위해 매핑된 엔터티를 생성합니다. ## 프로시저 1. 다음으로 이동 모두NLU 워크벤치모델. 탭은 가상 에이전트 기본적으로 열립니다. 2. 모델의 애플리케이션에 대한 탭을 선택한 다음 모델 이름을 선택합니다. 3. 모델 세부 정보 페이지에서 의도 탭을 선택합니다. 4. 모델의 의도 섹션에서 의도의 이름을 선택합니다. 이 예제 절차에서는 #SubmitRequest를 선택합니다. 5. 발화 탭에서 발화의 단어를 선택합니다. 이 시나리오에서는 I have an urgent request라는 발언에서 urgent라는 단어를 선택합니다. 6. 매핑된 엔터티를 선택합니다. 7. Create New Entity(새 엔터티 만들기)를 선택합니다. 8. 양식에서 필드를 구성합니다. {#create-mapped-entity-lookup-source__table_z33_p1y_h5b__entry__2} | 필드 | 설명 | |-|-| | 엔터티 이름 | 엔터티의 이름입니다. | | 유형 | 엔터티 유형입니다. | | 모델 가용성 | 이 엔터티를 모델의 모든 의도에 포함하려면 이 옵션을 선택합니다. | | 소스 | 엔터티 값의 소스입니다. | | 이 엔터티에 대한 값 제공 | 모델에 대한 컨텍스트를 제공하는 데 사용되는 값입니다. | [ ] {#create-mapped-entity-lookup-source__table_z33_p1y_h5b} 이 예시 절차에서는 다음 구성을 사용합니다. * 엔터티 이름: priority * 유형: 매핑됨 * 모델 가용성: 확인란 선택 * 소스: 매핑되는 실제 값과 값이 저장되는 위치를 참조하는 테이블 또는 목록이 있는 경우 사용합니다. * 엔터티에 매핑된 값: 높음, 중간, 낮음. {#create-mapped-entity-lookup-source__ul_r42_ysb_ynb} 9. 저장을 클릭합니다. 결과: 매핑된 엔터티가 저장됩니다. 엔터티가 연결된 엔터티 탭에 나타납니다. 이제 모델은 머신 러닝을 활용하고 제공된 값을 사용하여 가능한 값을 식별할 수 있습니다. ## 다음에 수행할 작업 어휘 소스를 사용하여 매핑된 엔터티를 생성하면 소스의 값을 매핑된 엔터티로 사용할 수 있습니다. **관련 개념** * [엔터티에서 정규 표현식 사용](https://servicenow-prod.fluidtopics.net/dT7gFr18zcjlR45ylm9HlA "엔터티에서 NLU 정규 표현식을 사용하여 시스템에서 텍스트를 찾고, 일치시키고, 관리하는 데 도움이 되는 패턴을 설정하는 방법을 알아봅니다.") **관련 태스크** * [간단한 엔터티 만들기](https://servicenow-prod.fluidtopics.net/rScqomEhiEeefRGkr_PLUQ "발화 예제의 단어로 하나 이상의 간단한 엔터티를 만듭니다. 엔터티는 작업의 개체 또는 작업에 대한 컨텍스트입니다.") * [패턴 엔터티 생성](https://servicenow-prod.fluidtopics.net/X3xO7qoy4kklRuqC3GeUTA "이메일 주소 및 전화 번호와 같은 반복 가능한 패턴이 있는 단어나 구문에서 패턴 엔터티를 만듭니다. 이러한 패턴은 시스템이 패턴을 기반으로 유사한 발언을 인식하는 데 도움이 됩니다.") * [시스템 파생 엔터티 만들기](https://servicenow-prod.fluidtopics.net/phrRZLFXNhnTZ8UjxcbaTQ "날짜, 시간, 기간 또는 위치와 같은 기본 시스템 엔터티에서 파생된 사용자 지정 엔터티를 만듭니다.") * [개방형 엔터티 만들기](https://servicenow-prod.fluidtopics.net/N8av_1C_FOcTOile0JyfRQ "의도 예측 정확도를 높이려면 개방형 엔터티를 사용합니다. 개방형 엔터티는 모델이 발언의 컨텍스트에 초점을 맞추는 데 도움이 됩니다.") * [엔터티 임포트](https://servicenow-prod.fluidtopics.net/cZAmlKiWD68zg94wq9N6ZQ "다른 자연어 이해 (NLU) 모델에서 생성한 엔터티를 재사용합니다. 엔터티를 임포트하면 시간이 절약되고 모델의 의도를 개선하는 데 도움이 됩니다.") * [테이블 어휘 소스 만들기](https://servicenow-prod.fluidtopics.net/2NSTEb~N2WBBDuQ3Lqm3rQ "테이블의 값을 ServiceNow 어휘 소스로 사용합니다. 사용자 자연어 이해 (NLU) 모델은 제공된 동의어를 사용하여 테이블의 선택한 소스 필드의 값을 포함하는 발언을 해석합니다.") * [목록 어휘 소스 만들기](https://servicenow-prod.fluidtopics.net/uAfOwrmqiaUPZ_kTGXV7AQ "어휘 출처 역할을 할 단어 또는 구 목록을 만듭니다. 목록 소스의 값은 사용자 발언에서 탐지되면 동의어로 대체됩니다.")