---
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 엔터티

# NLU 엔터티 {#ariaid-title1}

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

엔터티는 사용자 입력을 받을 때 모델에 추가 컨텍스트를 제공합니다. 발화와 의도에 엔터티를 추가하여 (NLU) 모델의 예측을 개선합니다 자연어 이해 .

엔터티를 사용자가 수행하려는 작업의 개체로 생각하십시오. 모델은 의도와 일치시켜 발언을 해석하지만 엔터티를 사용하여 요청에 대한 자세한 정보를 수집합니다.  
예를 들어 사용자가 <kbd class="ph userinput">속도가 느린 노트북에 심각한 문제가 있습니다라고</kbd> 입력하면 시스템은 의도 #TroubleshootSlowComputer와 일치할 것으로 예측합니다. 이 발언에서 모델은 다음 엔터티도 식별합니다.

* 하드웨어(엔터티) - 노트북 (값)
* 긴급도(엔터티) - 높음 (값)
{#entities__ul_d52_crv_zyb}

NLU 엔터티는 시스템 및 사용자 정의의 두 가지 범주로 나뉩니다. 인스턴스에서 기본적으로 날짜, 시간 및 위치와 같은 시스템 엔터티를 사용할 수 있습니다. 고유한 사용자 정의 엔터티를 생성하여 비즈니스와 관련된 컨텍스트를 제공할 수 있습니다.  
사용자 정의 엔터티에는 다섯 가지 유형이 있습니다. 자세히 알아보려면 다음 링크 중 하나를 선택하십시오.

* [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.")
* [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.")
{#entities__ul_v5w_bht_nrb}

엔터티를 만들 때 발언에 주석을 달아 모델 학습에 도움이 되는 예시를 제공합니다. 엔터티에 주석을 달면 시스템 어휘에 대한 언어적 연관성과 의미 있는 컨텍스트를 모델에 제공할 수 있습니다. 주석은 엔터티의 관련성을 강화하고 모델이 사용자의 입력에 대한 응답으로 올바른 작업을 수행하는 데 도움이 됩니다.

의도를 생성할 때 발언에 엔터티를 추가합니다. 그러면 엔터티가 해당 의도에 연결되고 연결된 의도 번호가 제공됩니다.

## 정규 표현식 {#entities__section_ocy_sjt_nrb}

정규 표현식(regex)은 모델이 텍스트를 찾고, 일치시키고, 관리하는 기능을 향상시키는 패턴을 설정하는 데 도움이 됩니다. 패턴 엔터티와 함께 정규 표현식을 사용하면 모델이 이메일 주소, 전화 번호 및 인시던트 번호와 같은 형식을 이해하는 데 도움이 됩니다.

자세한 내용은 [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.") 문서를 참조하십시오.

## 모델 가용성 {#entities__section_apv_njt_nrb}

엔터티를 만들 때 모델의 다른 의도에서 엔터티를 재사용할 수 있도록 선택할 수 있습니다. 엔터티를 만들 때 모델 가용성 상자를 선택하지 않은 경우 나중에 엔터티를 편집할 수 있습니다.  
모델 세부 정보 페이지에서 엔터티를 선택합니다. 엔터티 이름을 선택하여 엔터티 세부 정보 페이지를 표시합니다. 그런 다음, 설정 탭을 선택합니다. 그림 1. 엔터티 설정 페이지
* **[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.
* **[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.
* **[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.