--- sourceDocument: Xanadu Now Platform 기능 sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/xanadu/servicenow-platform Release : - xanadu ft:locale : - ko-KR ft:publication_title : - Xanadu Now Platform 기능 ft:clusterId : - platcap bundleId : - platcap workflow : - Platform --- # 지식베이스의 빈틈을 찾기 위한 솔루션 정의 구성 # 지식베이스의 빈틈을 찾기 위한 솔루션 정의 구성 {#ariaid-title1} * 릴리스 버전: Xanadu * * 업데이트 날짜 2024년 08월 01일 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 6분 지식 요구 인사이트 기능은 지식베이스를 기존 작업과 비교하여 지식 격차를 찾습니다. 지식베이스를 작업 유형과 비교하려면 먼저 유사성 및 클러스터링 솔루션 정의를 구성해야 합니다. ## 시작하기 전에 이 작업에서는 솔루션 정의를 구성하는 프로세스를 설명합니다. 이 절차를 통해 구성을 수행하는 대신, 안내 설정 사용을 고려하십시오. 다음으로 이동 지식관리안내 설정를 클릭하고 시작하기를 클릭한 다음 Knowledge 요구 인사이트 섹션으로 스크롤합니다.{#configure-km-solution-defintions__demand-insights-guided-setup} 필요한 역할: admin ## 이 태스크 정보 각 작업 유형(인시던트, 고객 서비스 케이스 또는 기타 작업)에 대해 하나의 유사성 유형과 하나의 클러스터링 유형 솔루션 정의를 구성합니다. 유사성 솔루션 정의는 기존 기록을 수집하고 유사한 새 기록과 비교합니다. 클러스터링 솔루션 정의는 유사한 기록을 클러스터에 그룹화하므로, 집합적으로 처리하거나 패턴을 식별할 수 있습니다. ## 프로시저 1. 다음으로 이동 지식 요구 인사이트솔루션 정의. 2. 솔루션 정의(ML 뷰) 목록에서 작업 유형에 대한 유사성 솔루션 정의를 검색하고 선택합니다. * 고객 서비스 케이스의 경우 요구 인사이트: 유사 케이스 및 지식(ml_sn_global_similar_cases_and_kbs)을 선택합니다. * 인시던트의 경우 요구 인사이트: 유사한 인시던트 및 지식(ml_sn_global_similar_incidents_and_kbs)을 선택합니다. * HR 케이스의 경우 요구 인사이트: 유사한 HR 케이스 및 지식(ml_x_sn_hr_core_global_demand_insights_similar_hr_cases_and_knowledge)을 선택합니다. * 고객 서비스 케이스, 인시던트 및 HR 케이스 이외의 작업의 경우 새로 만들기 를 클릭하여 다른 유사성 솔루션 정의를 생성합니다. {#configure-km-solution-defintions__choices_rmg_yzw_4jb} 3. 유사성 정의 양식에서 고객 서비스 케이스 또는 인시던트에 대한 기본 필드 값을 확인하거나 사용자 지정 구성에 대한 값을 입력합니다. 주: 애플리케이션 범위가 Knowledge Management - Machine Learning으로 설정되지 않은 경우 양식을 편집할 수 없고 경고 메시지가 나타납니다. 양식을 편집 가능하게 만들려면 메시지 끝에서 여기라는 단어를 클릭하십시오. {#configure-km-solution-defintions__table_bxj_sbx_4jb__entry__2}{#configure-km-solution-defintions__processing}{#configure-km-solution-defintions__stopwords} | 필드 | 설명 | |-|-| | 레이블 | 유사성 솔루션의 고유한 이름입니다. | | Word 말뭉치 | 지식 격차 분석을 위해 선택된 지식 문서와 작업을 정의합니다. 관련 단어 말뭉치가 없는 경우 [단어 말뭉치 만들기](https://www.servicenow.com/docs/access?context=create-word-corpus&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US)의 단계를 따릅니다. | | 테이블 | 지식 문서 기록이 포함된 테이블입니다. 지식 문서를 저장하는 데 다른 테이블을 사용하지 않는 한, 값을 지식 \[kb_knowledge\]으로 설정합니다. 테이블 값을 할당한 후 필터 조건과 일치하는 기록 수는 링크로 표시됩니다. | | 필드 | 지식 격차 분석을 위해 선택한 지식 테이블의 필드입니다. | | 필터 | 지식 격차 분석을 위해 지식 문서 기록을 필터링하기 위해 지식 테이블에 적용되는 필터 조건입니다. | | 테스트 테이블 | 지식 문서 기록과 비교하려는 작업 기록이 들어 있는 테이블입니다. | | 테스트 필드 | 지식 격차 분석을 위해 선택한 작업 테이블의 필드입니다. | | 처리 언어 | 솔루션 정의에서 교육하려는 데이터 세트의 지배적 언어입니다. 기본적으로 모든 데이터 세트에 영어 처리가 적용됩니다. 예를 들어, 이탈리아어를 선택하면 시스템이 데이터를 영어와 이탈리아어로 처리합니다. 주: 처리라는 용어는 솔루션 교육의 일부로 사용되는 언어별 단계 중 일부를 나타냅니다. 이러한 단계에는 단어 토큰화, 스톱 워드 제거, 어간 추출 등이 포함될 수 있습니다. | | 스톱 워드 | 검색에서 제외되는 처리 언어의 공용 단어(예: 전치사)입니다. 처리 언어를 선택하면 시스템이 자동으로 동일한 언어를 사용하는 스톱 워드 목록을 추가합니다. 예를 들어, 처리 언어가 이탈리아어인 경우 기본 이탈리아어 스톱 워드 목록이 나타납니다. 기본 영어 스톱 워드 목록도 선택에 함께 표시됩니다. | | 교육 빈도 | 유사성 솔루션 정의에 대한 모델을 재교육해야 하는 빈도입니다. | | 업데이트 빈도 | 유사성 솔루션 정의에 대한 모델에 새 기록을 포함할 빈도입니다. | [표 1. 유사성 정의 양식] {#configure-km-solution-defintions__table_bxj_sbx_4jb} 4. 솔루션 정의를 제출하고 교육합니다. * 새 솔루션 정의 레코드의 경우, 제출 및 교육(Submit \& Train)을 클릭합니다. * 기존 솔루션 정의 기록의 경우, Update \& Retrain(업데이트 및 재교육)을 클릭하십시오. {#configure-km-solution-defintions__choices_xnb_nzq_fkb} {#configure-km-solution-defintions__solution-buttons} {#configure-km-solution-defintions__solution-buttons} 5. **옵션:** 유사성 점수를 기반으로 유사성 예시를 검토하고 유사성 점수 임계값을 업데이트하여 더 유용한 관련 문서를 포함합니다. 자세한 내용은 [솔루션 유사성 예제 검토](https://www.servicenow.com/docs/access?context=review-similarity-examples&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US) 및 [유사성 점수 임계값 업데이트를](https://www.servicenow.com/docs/access?context=update-similarity-threshold&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US) 참조하세요. 6. 솔루션 정의(ML 뷰) 목록에서 작업 유형에 대한 클러스터링 솔루션 정의를 검색하고 선택합니다. * 고객 서비스 케이스의 경우 요구 인사이트: 케이스 클러스터에 지식 필요(ml_sn_global_cases_need_knowledge_cluster)를 선택합니다. * 인시던트의 경우 요구 인사이트: 인시던트 클러스터에 지식 필요(ml_sn_global_incidents_need_knowledge_cluster)를 선택합니다. * HR 케이스의 경우 요구 인사이트: HR 케이스 클러스터에 지식(ml_x_sn_hr_core_global_demand_insights_hr_case_clusters_need_knowledge)이 필요합니다. * 고객 서비스 케이스 및 인시던트 이외의 작업의 경우 새로 만들기 를 클릭하여 다른 클러스터링 솔루션 정의를 만듭니다. {#configure-km-solution-defintions__choices_fvr_j2r_fkb} 7. 클러스터링 정의 양식에서 고객 서비스 케이스 또는 인시던트에 대한 기본 필드 값을 확인하거나 사용자 지정 구성에 대한 값을 입력합니다. 주: 애플리케이션 범위가 Knowledge Management - Machine Learning으로 설정되지 않은 경우 양식을 편집할 수 없고 경고 메시지가 나타납니다. 양식을 편집 가능하게 만들려면 메시지 끝에서 여기라는 단어를 클릭하십시오. {#configure-km-solution-defintions__table_bbr_chp_tjb__entry__2} | 필드 | 설명 | |-|-| | 레이블 | 클러스터링 솔루션의 고유한 이름입니다. | | Word 말뭉치 | 컬렉션에 대해 선택한 작업입니다. | | 테이블 | 지식 문서가 필요한 필터링된 작업이 포함되어 있는 테이블입니다. 필터링된 작업을 저장하는 데 다른 테이블을 사용하지 않는 한 값을 작업 지식 범위\[kb_task_knowledge_coverage\]로 설정합니다. 테이블 값을 할당한 후 필터 조건과 일치하는 기록 수는 링크로 표시됩니다. | | 필드 | 지식 격차 분석을 위해 선택된 작업 지식 범위 테이블의 필드입니다. | | 필터 | 지식 격차 분석을 위해 지식 문서 기록을 필터링하기 위해 작업 지식 범위 테이블에 적용되는 필터 조건입니다. | | 처리 언어 | 솔루션 정의에서 교육하려는 데이터 세트의 지배적 언어입니다. 기본적으로 모든 데이터 세트에 영어 처리가 적용됩니다. 예를 들어, 이탈리아어를 선택하면 시스템이 데이터를 영어와 이탈리아어로 처리합니다. 주: 처리라는 용어는 솔루션 교육의 일부로 사용되는 언어별 단계 중 일부를 나타냅니다. 이러한 단계에는 단어 토큰화, 스톱 워드 제거, 어간 추출 등이 포함될 수 있습니다. | | 스톱 워드 | 검색에서 제외되는 처리 언어의 공용 단어(예: 전치사)입니다. 처리 언어를 선택하면 시스템이 자동으로 동일한 언어를 사용하는 스톱 워드 목록을 추가합니다. 예를 들어, 처리 언어가 이탈리아어인 경우 기본 이탈리아어 스톱 워드 목록이 나타납니다. 기본 영어 스톱 워드 목록도 선택에 함께 표시됩니다. | | 업데이트 빈도 | 클러스터링 솔루션 정의에 대한 모델에 새 기록과 업데이트된 기록을 포함할 빈도입니다. | | 교육 빈도 | 클러스터링 솔루션 정의에 대한 모델을 재교육해야 하는 빈도입니다. | [표 2. 클러스터링 정의 양식] {#configure-km-solution-defintions__table_bbr_chp_tjb} 8. 솔루션 정의를 제출하고 교육합니다. * 새 솔루션 정의 레코드의 경우, 제출 및 교육(Submit \& Train)을 클릭합니다. * 기존 솔루션 정의 기록의 경우, Update \& Retrain(업데이트 및 재교육)을 클릭하십시오. {#configure-km-solution-defintions__d21565e283} ## 다음에 수행할 작업 KB 큐레이션 구성 양식을 작성하여 요구 인사이트에 대한 예약된 작업을 정의합니다. 자세한 내용은 [작업 테이블을 사용하여 솔루션 정의 매핑 구성Configure the mapping of solution definitions with task tables](https://servicenow-prod.fluidtopics.net/HUpU9sK_0n6DSQWspgGglQ "작업 유형에 대한 예약된 작업에서 처리되는 작업 테이블과 유사성 및 클러스터링 솔루션 정의의 조합을 구성합니다. 다른 요구 인사이트 구성을 생성하거나 기존 구성을 수정하여 요구 인사이트에 대한 예약된 작업을 정의할 수 있습니다.") 문서를 참조하십시오. **관련 개념** * [예측 인텔리전스 지식 관리용](https://servicenow-prod.fluidtopics.net/5unjbKRBdSvhOpZEKg2_0w "예측 인텔리전스 for 지식 관리 기능은 머신 러닝 알고리즘을 사용하여 유사한 문서 및 지식 요구 인사이트와 같은 다양한 지식 관리 기능을 제공합니다.") **관련 태스크** * [요구 통찰력 대시보드에서 지식 격차를 분석하고 지식 격차 피드백 작업을 생성합니다.](https://servicenow-prod.fluidtopics.net/7F8Y0y~MY7vgYrFuAPcImQ "작업에 요구 인사이트 대시보드를 사용하여 후보 지식 격차를 분석하고 지식 격차 피드백 작업을 생성합니다.") **관련 정보** * [유사성 솔루션 생성 및 교육](https://www.servicenow.com/docs/access?context=create-similarity-solution&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US) * [클러스터링 솔루션 생성 및 교육](https://www.servicenow.com/docs/access?context=create-clustering-solution&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US)