---
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


---

# NLU 의도 작성

# NLU 의도 작성 {#ariaid-title1}

* 릴리스 버전: Xanadu
* 
* 업데이트 날짜 2024년 08월 01일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 3분

(NLU) 모델에 대한 자연어 이해 의도를 생성합니다. 의도는 사용자 입력을 받을 때 수행할 시스템 작업을 모델에 제공합니다.

## 시작하기 전에

* 플러그인, NLU 워크벤치 코어 플러그인, NLU 워크벤치 고급 기능 플러그인, NLU 공통 모델 플러그인 및 예측 인텔리전스 플러그인이 모두 인스턴스에 설치되고 활성화되어 있는지 확인합니다NLU 워크벤치.
* 모델과 동일한 애플리케이션 범위에 있는지 확인합니다.
* 에서 의도와 가상 에이전트 AI 검색 모델을 NLU 워크벤치생성할 수 있습니다.
* 필요한 역할: admin 또는 nlu_admin
{#create-nlu-intent__ul_shl_vvs_tgb}

## 이 태스크 정보

이 절차는 의도를 생성하는 방법을 보여줍니다. 다른 모델의 의도를 재사용하려면 다음 문서를 참조하십시오 [사전 구축 NLU 된 모델의 의도 재사용](https://servicenow-prod.fluidtopics.net/IluuAPVs_FHd6Z4_RDor_w "의도를 사전 구축 NLU 모델에서 다른 모델로 임포트하여 재사용 자연어 이해 (NLU) 합니다. 의도를 재사용하면 모델을 빌드할 때 시간이 절약됩니다.").

다음은 의도가 학습 발언의 어휘와 상호 작용할 수 있는 방법의 예입니다.  
* 의도: #AddMembersToDistributionList
* 발화 A: "Carlos Santana를 uxinfodev 목록에 추가하십시오."
* 발화 B: "arlo-drury-directreports 그룹에서 실수로 제거되었습니다."
* 결과: 시스템이 uxinfodev 또는 arlo-drury-directreports 를 인식하지 못하며 이 단어를 사용하여 의도를 예측할 수 없습니다.
* 해결 방법: uxinfodev 및 arlo-drury-directreports 를 어휘 항목으로 추가하고 동의어를 추가합니다. 사용자가 제공하는 동의어는 발언 및 발언이 상주하는 의도에 더 많은 컨텍스트를 추가하는 데 도움이 됩니다. 의도 예측 신뢰도는 엔터티로 표시하는 경우 훨씬 더 높을 수 있습니다.

{#create-nlu-intent__ul_gwn_wd3_bnb}  
주:  
사용자의 학습 발화 및 발화는 25단어 또는 200자로 제한됩니다. 이 한도를 초과하는 발언은 의도 예측을 반환하지 못합니다.

학습 발화에 "OrderLaptop" 또는 "sfsdfasdfas"와 같은 비현실적인 용어를 포함하지 마세요. 발화는 모델의 언어로 된 정확하고 자연스러운 예여야 합니다.

다음 예시 절차에서는 의도를 생성하고 사용자가 결제 정보를 요청할 때 말할 수 있는 발언을 추가합니다. 가상 에이전트용 NLUHR 모델 이라는 모델을 이미 생성했으며 해당 모델에서 의도를 생성하고 있습니다.

## 프로시저

1. 애플리케이션 범위를 모델의 범위로 설정합니다.
2. 다음으로 이동 모두NLU 워크벤치모델.  
   탭은 가상 에이전트 기본적으로 열립니다.
3. 모델의 애플리케이션에 해당하는 탭을 선택한 다음 의도를 추가할 모델의 이름을 선택합니다.  
   이 모델 예에서는 가상 에이전트 모델에 대한 HR 모델을 선택합니다.
4. 모델 빌드 및 학습 카드에서 보기 단계를 선택합니다.
5. 의도를 선택합니다.
6. 새 의도를 선택합니다.
7. 의도 생성 창에서 의도의 이름과 설명을 추가합니다.  
   그림 1. 의도 작성 이 예제 시나리오에서는 이름으로 <kbd class="ph userinput">PayDiscrepancy</kbd> 를 입력합니다. 설명을 추가할 수도 있습니다.  
   주:  
   의도를 생성하면 시스템이 의도 이름에 해시태그를 추가합니다.
8. 의도 추가를 선택합니다.  
   발언, 연결된 엔터티 및 설정에 대한 섹션을 포함한 의도 #PayDiscrepancy 화면이 나타납니다. 인텐트 초안 상태는 인텐트 화면의 오른쪽 상단에도 표시됩니다.
9. 발화 탭에서 의도와 관련된 교육 발화 예시를 입력합니다.  
   주:  
   제공하는 발화 예제는 고유해야 하며 25개 단어 또는 200자 미만을 포함해야 합니다. 가능한 한 많은 다양성을 사용하여 최소 15개의 발화를 추가하는 것을 목표로 합니다. 모델 학습을 시작하려면 최소 5개의 발언을 추가해야 합니다.
   이 시나리오에서는 다음 발언을 필드에 추가하고 추가를 선택합니다  

   모델을 반복적으로 빌드하고 재학습할 때 업데이트된 의도가 모델의 예측에 어떤 영향을 미치는지 확인할 수 있습니다. [NLU 모델 교육 및 시도](https://servicenow-prod.fluidtopics.net/tlDDaIH1fKnyTs~WvSgCdg "모델을 반복적으로 교육하고 시도하여 의도와 엔터티가 검증되고 컴파일되어 모델에 저장되도록 합니다.") 문서를 참조하십시오.

## 다음에 수행할 작업

업데이트를 저장하도록 모델을 교육합니다. 의도와 관련된 문제는 다음 문서를 참조하십시오 [의도 문제 해결](https://servicenow-prod.fluidtopics.net/xN9n~KwI~0LpmO23WUWrfQ "문제 카드를 사용하여 상충이 있거나, 검토가 필요하거나, 더 많은 발언이 필요한 의도를 식별합니다. 의도 문제를 해결하면 (NLU) 모델의 의도 자연어 이해 가 제대로 작동합니다.").

발언을 개선하려면 컨텍스트를 제공할 엔터티를 추가합니다. [NLU 엔터티](https://servicenow-prod.fluidtopics.net/JnGhI8oLuECEjMMADcltdg "엔터티는 사용자 입력을 받을 때 모델에 추가 컨텍스트를 제공합니다. 발화와 의도에 엔터티를 추가하여 (NLU) 모델의 예측을 개선합니다 자연어 이해 .") 문서를 참조하십시오.

사용 가능한 [의도 검색](https://servicenow-prod.fluidtopics.net/BeF~lAmdffWUxfKqWSjpSQ "의도 검색 이 애플리케이션을 사용하면 인시던트 차단 기회를 식별하는 데 도움이 됩니다. 예를 들어 다음에 활성화할 가상 에이전트 대화를 식별하는 데 사용할 수 있습니다.") 기능은 기록 데이터를 기반으로 추가할 수 있는 의도를 식별하는 데 도움이 될 수 있습니다.