---
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


---

# 모델 빌드 및 교육

# 모델 빌드 및 교육 {#ariaid-title1}

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

모델을 생성한 후에는 의도, 엔터티, 어휘 및 테스트 세트 발언을 추가하여 모델의 콘텐츠를 빌드합니다. NLU 모델 컨텐츠는 모델이 사용자 입력에 응답하는 방식을 결정합니다.  
모델은 다음 콘텐츠로 구성됩니다.

* 의도: 사용자가 수행하기를 원하거나 애플리케이션이 수행하기를 원하는 작업입니다.
* 엔터티: 작업에 대한 객체 또는 컨텍스트입니다.
* 어휘: 모델이 사용자의 발언에서 단어 범위를 이해하는 데 도움이 되는 어휘를 추가합니다.
* 테스트 세트: 모델 성능을 평가하려면 테스트 발화와 해당 발화에 대해 예측될 것으로 예상되는 의도를 추가합니다.
{#managing-model-content__ul_adv_kxb_krb}

모델 컨텐츠에 액세스하려면 다음으로 이동하십시오. NLU 워크벤치모델. 탭은 가상 에이전트 기본적으로 열립니다. 모델의 애플리케이션에 대한 탭을 선택한 다음, 모델의 이름을 선택하여 모델 세부 정보 페이지를 엽니다. 모델 빌드 및 학습 카드에서 보기 단계를 선택합니다.

## 의도 {#managing-model-content__section_ps1_r1c_krb}

모델이 사용자 입력을 받으면 의도 를 사용하여 시스템 작업을 수행합니다. 예를 들어 사용자가 <kbd class="ph userinput">느린 노트북에 심각한 문제가</kbd> 있습니다라고 입력합니다. 모델은 발언 입력을 의도 #TroubleshootSlowComputer와 일치시킵니다. 의도가 주제에 연결 가상 에이전트 되면 추가 작업이 트리거됩니다.

의도에는 교육 발언 또는 시스템 작업을 트리거하는 사용자 입력의 예가 포함됩니다. 모델이 사용자로부터 접할 수 있는 사실적인 발언을 제공합니다. 학습 발언의 품질은 모델의 정확도에 영향을 줍니다.

자세한 내용은 [NLU 의도](https://servicenow-prod.fluidtopics.net/NV7v8IdKrxSTa6bfJ7wQwg "의도는 시스템 작업을 사용자 입력과 매칭시켜 모델의 응답을 유도합니다. 좋은 의도를 가진 모델은 도움이 가상 에이전트 되며 검색은 사용자에게 정확하게 응답합니다.") 문서를 참조하십시오.

## 엔터티 {#managing-model-content__section_ckf_y1c_krb}

의도는 입력을 받을 때 엔터티 를 사용하여 모델에 대한 추가 컨텍스트를 제공합니다. 컴퓨터 예에서 랩톱은 작업의 엔터티 또는 개체입니다.

NLU 엔터티는 시스템 정의와사용자 정의의 두 가지 범주로 나뉩니다. 인스턴스에서 기본적으로 날짜, 시간 및 위치와 같은 시스템 엔터티를 사용할 수 있습니다. 고유한 사용자 정의 엔터티를 생성하여 비즈니스 요구 사항에 대한 추가 연결 및 의미를 제공할 수 있습니다.

모든 엔터티는 다른 NLU 모델에서 다시 사용할 수 있습니다. 그러나 각 모델에 대한 학습 발언에 추가해야 사용할 수 있습니다.

자세한 내용은 [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.

## 어휘 {#managing-model-content__section_yxv_dbc_krb}

사용자의 입력에는 다양한 단어와 구가 포함될 수 있습니다. 또한 모델이 전문 도메인 또는 비즈니스 영역에서 사용되는 일부 용어를 이해하지 못할 수도 있습니다.

광범위한 사용자 입력을 이해하는 모델의 능력을 향상시키려면 어휘 항목을 만들어 동의어를 정의할 수 있습니다.

예를 들어 모델에는 컴퓨터라는 용어에 대한 엔터티가 포함되어 있습니다. 사용자가 <kbd class="ph userinput">'새 컴퓨터 필요'를</kbd> 입력하면 모델이 응답하는 방법을 알고 있습니다. 그러나 사용자가 <kbd class="ph userinput"> <dfn class="term">노트북 </dfn> </kbd> 이나 <kbd class="ph userinput">워크스테이션</kbd>에 들어가면 모델이 의도를 예측하지 못할 수 있습니다. 모델에 어휘를 추가하여 동의어와 변형을 이해하도록 학습시킬 수 있습니다.

테이블과 목록을 어휘 소스로 사용할 수도 있습니다. 모델은 의도를 예측할 때 어휘 소스를 조회할 수 있습니다.

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.

## 테스트 세트 {#managing-model-content__section_rgz_xvd_dwb}

모델에는 모델의 성능을 평가하는 데 사용할 수 있는 기본 테스트 세트가 포함되어 있습니다. 처음에는 테스트 세트가 비어 있으며 콘텐츠로 채울 준비가 되어 있습니다. 테스트 발언과 예상 의도를 추가하여 테스트 세트를 빌드합니다.

자세한 내용은 [테스트 세트 생성 및 관리](https://servicenow-prod.fluidtopics.net/G9pa4OqtVm2pD4ra12nDKA "모델의 기본 테스트 세트를 NLU 사용하여 모델의 성능과 정확도를 테스트합니다. 에서 NLU 워크벤치컨텐츠를 빌드하거나 업데이트하여 시간이 지남에 따라 테스트 세트를 관리합니다.") 문서를 참조하십시오.

## 테스트 패널 {#managing-model-content__section_hg5_y1x_trb}

모델 빌드 및 교육 단계에서 모델 교육 또는 모델 시도 를 클릭하여 테스트 패널에 액세스합니다. 교육은 새 컨텐츠를 모델에 통합합니다. 모델 시도를 사용하면 개별 발언을 수동으로 입력하여 모델이 예측하는 의도를 테스트할 수 있습니다.

자세한 내용은 [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.

테스트 패널을 사용하여 모델의 예측에 대한 피드백을 제공할 수도 있습니다. 피드백은 의도 예측을 개선하는 데 도움이 됩니다. [테스트 패널 피드백](https://servicenow-prod.fluidtopics.net/dWmGO9_olV5PYuy7_I8eLQ "테스트 패널의 모델 시도 섹션에서 모델을 테스트 NLU 할 때 이 기능을 사용하여 모델의 의도 예측에 대한 피드백을 제공합니다.") 문서를 참조하십시오.

## 설정 {#managing-model-content__section_n1j_xsj_krb}

설정 탭을 사용하여 모델의 이름, 짧은 설명 및 신뢰도 임계치를 편집합니다. 모델의 언어나 용도는 변경할 수 없습니다.

신뢰도 임계값에 대한 자세한 내용은 을 참조하십시오 [모델 테스트 및 게시](https://servicenow-prod.fluidtopics.net/XO5ZNaoD9mU8Jq1bs8ppFQ "모델의 성능을 NLU 평가하여 개선 영역을 식별합니다. 그런 다음 모델을 게시하여 다음과 같은 가상 에이전트다른 애플리케이션에서 사용할 수 있도록 합니다."). 설정에 대한 자세한 내용은 을 참조하십시오 [NLU 모델 설정](https://servicenow-prod.fluidtopics.net/w8OJ0U4s76uXJSF~KUkLCw "NLU 모델 개요의 설정 페이지에서 모델의 이름, 설명 또는 신뢰도 임계치를 변경합니다.").
* **[NLU 의도](https://servicenow-prod.fluidtopics.net/NV7v8IdKrxSTa6bfJ7wQwg)**   
  의도는 시스템 작업을 사용자 입력과 매칭시켜 모델의 응답을 유도합니다. 좋은 의도를 가진 모델은 도움이 가상 에이전트 되며 검색은 사용자에게 정확하게 응답합니다.
* **[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 .
* **[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.
* **[테스트 세트 생성 및 관리](https://servicenow-prod.fluidtopics.net/G9pa4OqtVm2pD4ra12nDKA)**   
  모델의 기본 테스트 세트를 NLU 사용하여 모델의 성능과 정확도를 테스트합니다. 에서 NLU 워크벤치컨텐츠를 빌드하거나 업데이트하여 시간이 지남에 따라 테스트 세트를 관리합니다.
* **[NLU 모델 교육 및 시도](https://servicenow-prod.fluidtopics.net/tlDDaIH1fKnyTs~WvSgCdg)**   
  모델을 반복적으로 교육하고 시도하여 의도와 엔터티가 검증되고 컴파일되어 모델에 저장되도록 합니다.
* **[테스트 패널 피드백](https://servicenow-prod.fluidtopics.net/dWmGO9_olV5PYuy7_I8eLQ)**   
  테스트 패널의 모델 시도 섹션에서 모델을 테스트 NLU 할 때 이 기능을 사용하여 모델의 의도 예측에 대한 피드백을 제공합니다.