---
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 모델 교육 및 시도

# NLU 모델 교육 및 시도 {#ariaid-title1}

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

모델을 반복적으로 교육하고 시도하여 의도와 엔터티가 검증되고 컴파일되어 모델에 저장되도록 합니다.

## 시작하기 전에

* - 코어 플러그인, NLU 워크벤치 플러그인 및 예측 인텔리전스 플러그인이 모두 설치되고 활성화되어 있는지 확인합니다 NLU 워크벤치 .
* NLU 모델을 생성합니다. 자세한 내용은 [모델 생성](https://servicenow-prod.fluidtopics.net/OpF1UBfAEpojjAFw7UgLqA "모델을 생성하는 것은 인스턴스에서 (NLU)를 활용 자연어 이해 하기 위한 첫 번째 단계입니다. 에 AI 검색NLU 워크벤치대한 가상 에이전트 모델을 만들고 .") 문서를 참조하십시오.
* 모델에 대해 의도 및 관련 엔터티를 하나 이상 NLU 생성합니다. 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.
* 말이 테이블 어휘 소스를 참조하는 경우 해당 값을 모델에서 사용할 수 있도록 소스가 동기화되었는지 확인합니다. 자세한 내용은 [테이블 어휘 소스 동기화](https://servicenow-prod.fluidtopics.net/ydURBgyz9hAeb4DpsAtUfw "테이블 어휘 소스를 동기화하여 소스 테이블에 대한 최신 변경 내용을 ServiceNow 가져옵니다. 어휘 소스를 동기화하면 의도를 예측할 때 모델이 최신 값을 갖도록 NLU 할 수 있습니다.") 문서를 참조하십시오.
* 필요한 역할: nlu_editor, nlu_admin 또는 admin 모델에 편집기를 NLU 할당해야 합니다.
{#test-train-nlu-model__ul_j5d_thp_zhb}

## 이 태스크 정보

모델을 학습시키면 콘텐츠에 대한 변경 내용이 저장되고 상충이나 오류가 있는지 확인합니다. 또한 교육을 통해 모델을 게시할 수 있습니다.  
학습 후에는 개별 발언을 수동으로 입력하여 모델을 사용해 보고 예측되는 의도를 확인할 수 있습니다.  
주:  
테스트 발언 목록에 대해 모델 테스트를 실행하려면 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.").

Dialog Acts의 대화 중간 응답은 에서 시도하거나 테스트 NLU 워크벤치할 수 없습니다.

이 예시 시나리오에서는 의도, 발언, 엔터티 및 관련 주석을 추가하여 충분한 모델 콘텐츠를 이미 빌드했습니다. 예제 절차에 따라 먼저 모델을 교육합니다 NLU . 그런 다음 예측 결과와 신뢰도 점수를 확인할 수 있도록 발언을 수동으로 입력하여 모델을 시험해 봅니다.

## 프로시저

1. 다음으로 이동 모두NLU 워크벤치모델.  
   탭은 가상 에이전트 기본적으로 열립니다.
2. 모델의 애플리케이션에 대한 탭을 선택한 다음 모델의 이름을 선택합니다.
3. 모델 개요의 모델 상세 정보 탭에서 의도, 엔터티 및 어휘에 충분한 콘텐츠가 있는지 확인합니다.
4. 모델 개요에서 모델 카드 빌드 및 학습 에서 단계 보기를 선택합니다.  
5. 모델 빌드 및 교육 단계가 열리면 모델 교육 탭이 선택되어 있는지 확인합니다.  
   결과:모델 학습 탭에는 모델이 마지막으로 학습된 시간이 표시되며 마지막 학습 이후의 콘텐츠 변경 내용도 요약되어 있습니다(있는 경우).
6. 학습 단추를 선택합니다.  
   결과: 교육 중에 시스템에 진행률 표시줄이 표시됩니다. 완료되면 다음 두 가지 권장 사항 중 하나가 표시됩니다.
   * 모델 의도의 60% 미만이 기본 테스트 세트에 포함되는 경우 시스템은 더 많은 테스트 발언을 추가할 것을 권장합니다. [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.
   * 모델 의도의 60% 이상이 기본 테스트 세트에 포함되는 경우 시스템에서 테스트를 진행할 것을 권장합니다. [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.") 문서를 참조하십시오.
   {#test-train-nlu-model__ul_nfk_lf1_hwb}
7. 개별 발언을 수동으로 시도하려면 모델 시도 탭을 선택합니다.
8. Enter an utterance to test(테스트할 발화 입력) 아래의 텍스트 필드에 발화를 입력하고 Go(이동)를 선택합니다.  

## 결과

이 예제에서는 시도할 발언으로 <kbd class="ph userinput">I need to update my home address</kbd> 를 입력했습니다.

1. 시스템은 모델의 신뢰도 임계값을 표시하며, 이 예에서는 76%입니다.
2. 시스템은 상위 예측에서 신뢰 점수가 임계치보다 큰 것으로 예측된 모든 의도를 표시합니다.
3. 이 예제에서 의도 UpdateAddress 는 임계값 76%보다 큰 신뢰도 점수 97%로 예측됩니다.

{#test-train-nlu-model__ol_i1b_ms1_hwb} 모델 시도 결과에는 피드백을 제공할 수 있도록 좋아요 및 싫어요 아이콘도 표시됩니다. 자세한 내용은 [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.

## 다음에 수행할 작업

* 계속해서 다양한 발언을 시도하여 모델 컨텐츠에 대한 업데이트가 효과적인지 확인합니다. [NLU 모델의 초안 버전과 게시된 버전 비교](https://servicenow-prod.fluidtopics.net/r09pXbpKR2TGaK1ogbVNiQ "초안 교육 자연어 이해 (NLU) 모델을 가장 최근에 게시된 버전과 비교합니다. 변경 내용을 테스트하고 검토하여 초안 모델의 성능이 향상되는지 확인합니다.") 문서를 참조하십시오.
* 테스트 발언 목록에 대해 모델을 테스트하려면 단계에서 기본 테스트 세트를 [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.") 사용하거나 으로 이동합니다 [다중 모델 배치 테스트](https://servicenow-prod.fluidtopics.net/gR2ecufJhnFUQdxR9AjXYA "모델의 성능을 평가하기 위해 대규모 발언 집합에 대해 여러 자연어 이해 (NLU) 모델을 테스트합니다. 테스트 세트를 추가하고, 여러 모델을 테스트하고, 테스트 결과를 확인합니다.").
* 모델의 신뢰도 임계값을 조정하려면 모델의 개요 페이지에 있는 설정 탭을 사용합니다. 자세한 내용은 [NLU 모델 설정](https://servicenow-prod.fluidtopics.net/w8OJ0U4s76uXJSF~KUkLCw "NLU 모델 개요의 설정 페이지에서 모델의 이름, 설명 또는 신뢰도 임계치를 변경합니다.") 문서를 참조하십시오.
* 테스트 결과가 만족스러우면 [NLU 모델을 게시합니다](https://servicenow-prod.fluidtopics.net/ueVsXwu9dEosPbleyiq93g "(NLU) 모델을 게시 자연어 이해 하여 활성화하고 를 사용하는 NLU다른 애플리케이션에서 사용할 수 있도록 합니다.").
{#test-train-nlu-model__ul_x14_dzx_g3b}