---
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


---

# 간단한 엔터티 만들기

# 간단한 엔터티 만들기 {#ariaid-title1}

* 릴리스 버전: Xanadu
* 
* 업데이트 날짜 2024년 08월 01일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 1분

발화 예제의 단어로 하나 이상의 간단한 엔터티를 만듭니다. 엔터티는 작업의 개체 또는 작업에 대한 컨텍스트입니다.

## 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-nlu-entities__ul_shl_vvs_tgb}

## 이 태스크 정보

단순 엔터티는 모델에서 값을 추출할 수 있는 단어 또는 구입니다. 단순한 엔터티는 해당 엔터티가 발언에서 사용되는 컨텍스트에 따라 식별됩니다.

다음 예제 절차에서는 이미 SubmitAccessRequest 라는 의도를 만들었고 사용자가 요청하는 액세스 유형에 대한 간단한 엔터티를 만들고 있습니다.

## 프로시저

1. 다음으로 이동 모두NLU 워크벤치모델.  
   탭은 가상 에이전트 기본적으로 열립니다.
2. 모델의 애플리케이션에 해당하는 탭을 선택한 다음 엔터티를 추가할 모델의 이름을 선택합니다.  
   이 예에서는 액세스 요청 모델에 대해 NLU를 선택합니다.
3. 모델 빌드 및 학습 카드에서 보기 단계를 클릭합니다.
4. 의도 탭에서 의도의 이름을 클릭합니다.  
   이 예제에서는 SubmitAccessRequest를 클릭합니다.
5. 발언 중 하나에서 단어를 클릭하여 엔터티 창을 불러옵니다.  
   이 예에서는 parking garage라는 단어를 클릭합니다.
6. Create New Entity(새 엔터티 만들기)를 클릭합니다.
7. Create a new entity(새 엔터티 생성) 화면에서 이름을 입력하고 Simple entity type(단순 엔터티 유형)을 선택합니다.  
   이 예에서는 엔터티 이름에 <kbd class="ph userinput">buildingaccess</kbd>를 입력합니다.  
   주:  
   모델 가용성을 선택하여 모델의 모든 의도에 엔터티를 사용할 수 있도록 합니다. 이 확인란을 선택하면 연결된 엔터티 탭에 엔터티가 표시됩니다.
8. 저장을 클릭합니다.  
   엔터티가 저장되고 발언의 단어가 강조 표시된 상태로 유지됩니다.

## 다음에 수행할 작업

발화는 @ 핸들을 사용하여 어휘 소스를 참조할 수 있습니다. 어휘 소스에 정의된 값 목록이 있는 경우 @ 핸들에 간단한 엔터티로 주석을 달아 모든 값에 대해 발언을 반복하는 대신 추출할 수 있습니다. 참조된 어휘 소스는 테이블 또는 목록일 수 있습니다. 예를 들어 다음 이미지는 다양한 회의실 이름을 나열하는 어휘 소스를 호출하는 방법을 보여 줍니다.  
그림 1. 어휘 출처를 사용한 발언 예시

자세한 내용은 [NLU 어휘](https://servicenow-prod.fluidtopics.net/rCUb76ypvD74uIRdq8a2Xg "어휘 항목을 사용하여 NLU 시스템에서 사용자가 요청을 표현하는 다양한 방법을 인식할 수 있습니다. 어휘 소스를 사용하면 시스템이 테이블이나 목록의 객체(예: 회의실 이름 또는 카탈로그 항목)를 인식할 수 있습니다.") 문서를 참조하십시오.
**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**   

* [매핑된 엔터티 생성](https://servicenow-prod.fluidtopics.net/0NiXJILbV5fM89kXlvee4Q "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.")
* [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.")