---
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


---

# 패턴 엔터티 생성

# 패턴 엔터티 생성 {#ariaid-title1}

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

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.

## 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-pattern-entity__ul_mk3_cb4_rhb}

## 이 태스크 정보

패턴 엔터티는 모델이 유사한 유형의 콘텐츠를 식별하고, 맥락화하고, 관리하는 데 도움이 됩니다. 전화 번호 및 이메일 주소와 같은 입력도 동일한 패턴을 따릅니다. 패턴 엔터티를 생성하면 해당 입력의 모든 변형을 인식하도록 모델을 학습시킬 수 있습니다.  
주:  
패턴 엔터티는 정규 표현식(regex)을 사용합니다. 정규 표현식 필드 값은 Java 정규식입니다. regex를 사용하는 방법에 대한 자세한 내용은 [엔터티에서 정규식 사용을](https://servicenow-prod.fluidtopics.net/dT7gFr18zcjlR45ylm9HlA "엔터티에서 NLU 정규 표현식을 사용하여 시스템에서 텍스트를 찾고, 일치시키고, 관리하는 데 도움이 되는 패턴을 설정하는 방법을 알아봅니다.") 참조하세요.

이 예제 시나리오에서는 제목이 #CheckITTicketStatus인 의도를 만들었습니다. 이 예시 절차에서는 인시던트 기록 번호에 대한 패턴 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 의도를 선택합니다.
4. 의도의 이름을 선택합니다.  
   이 예제 시나리오에서는 #CheckITTicketStatus 선택합니다.
5. 발언의 단어 중 하나를 선택합니다.  
   이 시나리오에서는 INC1234567를 클릭합니다.

6. Create New Entity(새 엔터티 만들기)를 선택합니다.
7. 새 엔터티 생성 창에서 필드를 구성합니다.  
   이 예시 절차에서는 다음 구성을 사용합니다.
   * 엔터티 이름: <kbd class="ph userinput">incidentnumber</kbd> 입력
   * 유형: 패턴 선택
   * 모델 가용성: 이 엔터티를 모델의 모든 의도에 포함하려면 이 상자를 선택합니다.
   * 정규 표현식: <kbd class="ph userinput">INC\d</kbd>를 입력합니다{7}
   {#create-pattern-entity__ul_n2r_s4b_jsb}
8. 저장을 클릭합니다.  
   패턴 엔티티가 저장되어 연관된 엔티티(Associated Entities ) 탭에 나타납니다. 모델은 패턴 엔터티를 사용하여 주석이 추가된 발언의 변형을 해석할 수 있습니다. 예를 들어 사용자가 인시던트 기록 번호를 입력하면 모델이 #CheckITTicketStatus 의도와 일치시킬 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.")
* [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.")
* [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.")