--- sourceDocument: Referência de API do Xanadu sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/xanadu/api-reference Release : - xanadu ft:locale : - pt-BR ft:publication_title : - Referência de API do Xanadu ft:clusterId : - crapiref bundleId : - crapiref workflow : - Creator --- # SimilaritySolution - Global # SimilaritySolution - Global {#ariaid-title1} * Versão de lançamento: Xanadu * * Atualizado 1 de ago. de 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 8 min. de leitura A API SimilaritySolution é um objeto programável usado em armazenamentos Inteligência preditiva. Este A API requer o plug-in Inteligência preditiva (com.glide.platform_ml) e é fornecida no namespace `sn_ml`. O fluxo de configuração para treinamento da solução é o seguinte: 1. Crie um codificador usando a API [Encoder](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#EncoderAPI "A API Encoder fornece um objeto programável usado em armazenamentos Inteligência preditiva. Este objeto converte dados de entrada em vetores de números, com base em objetivos e configurações específicas do codificador. Os codificadores podem ser usados independentemente para executar codificações ou podem ser configurados como parte de soluções para codificar colunas de texto."). 2. Use o [construtor](https://servicenow-prod.fluidtopics.net/Tv2lO4WmWRv20eJUmPNJAQ#SimilaritySol-SimilaritySolution_O "Cria uma solução de semelhança.") para criar um objeto de solução de semelhança. 3. Adicione o objeto de solução ao armazenamento de soluções de semelhança usando o método [SimilaritySolutionStore - add()](https://servicenow-prod.fluidtopics.net/4htNh6F6oFCx58uussPeDA#SimilarityStore-add_O "Adiciona um novo objeto de solução ao armazenamento e retorna um nome exclusivo."). 4. Treine a solução usando o método [submitTrainingJob()](https://servicenow-prod.fluidtopics.net/Tv2lO4WmWRv20eJUmPNJAQ#SimilaritySol-submitTrainingJob "Envia um trabalho de treinamento."). Isso cria uma versão do objeto que você pode gerenciar usando a API [SimilaritySolutionVersion](https://servicenow-prod.fluidtopics.net/kEDCKqAgs~klEcuZ_ZFFIg#SimilaritySolutionVersionAPI "A API SimilaritySolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva."). 5. Obtenha previsões usando o método [SimilaritySolutionVersion -- prever()](https://servicenow-prod.fluidtopics.net/kEDCKqAgs~klEcuZ_ZFFIg#SimilarityVersion-predict_O_O "Obtém os dados de entrada para uma previsão."). {#SimilaritySolutionAPI__ol_mmm_n1c_dmb} Nota: Esta API executa com privilégios totais. Para restringir o acesso do usuário, inclua um mecanismo de controle de acesso no script. Para obter diretrizes de uso, consulte [Como usar APIs de ML](https://www.servicenow.com/docs/access?context=using-ml-apis&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). ## SimilaritySolution - SimilaritySolution(Configuração de objeto) {#ariaid-title2} Cria uma solução de semelhança. {#SimilaritySol-SimilaritySolution_O__table_gm2_yt5_flb__entry__3}{#SimilaritySol-SimilaritySolution_O__solution-obj-domainN-default}{#SimilaritySol-SimilaritySolution_O__solution-obj-lang-desc}{#SimilaritySol-SimilaritySolution_O__solution-obj-stop-desc} | Nome | Tipo | Descrição | |-|-|-| | config | Objeto | Objeto JavaScript que contém propriedades de configuração do solução. { "domainName": "String", "encoder": {Object}, "label": "String", "lookupDataset": {Object}, "minRowCount": "String", "processingLanguage": "String", "stopwords": [Array], "testDataset": {Object}, "trainingFrequency": "String", "updateFrequency": "String" } | | config.domainName | Cadeia de caracteres | Opcional. Nome do domínio associado a este conjunto de dados. Consulte [Separação de domínios e Inteligência preditiva](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Padrão: domínio atual, por exemplo, `"global"`. | | config.codificador | Objeto | Objeto de codificador treinado a ser atribuído a esta solução. Consulte [Codificador - Codificador (configuração de objeto)](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador."). | | config.rótulo | Cadeia de caracteres | Identifica a tarefa de previsão. | | config.lookupDataset | Objeto | Nome do [DatasetDefinition](https://servicenow-prod.fluidtopics.net/o4nUJYO4X4WKz2l8yyx5lw#DatasetDefinitionAPI "A API DatasetDefinition fornece métodos para identificar um conjunto de registros, incluindo um nome de tabela, colunas e critérios de seleção de linha a serem usados como entrada para algoritmos de treinamento de ML. Os conjuntos de dados não contêm os dados reais.") a ser usado como o conjunto de pesquisa. | | config.minRowCount | Cadeia de caracteres | Opcional. Número mínimo de registros necessários no conjunto de dados para treinamento. Padrão: 10000 | | config.processingLanguage | Cadeia de caracteres | Opcional. Idioma de processamento no formato de código de idioma ISO 639-1 de duas letras. Padrão: "en" | | config.palavras irrelevantes | Matriz | Opcional. Lista predefinida de cadeias de caracteres que o sistema gera automaticamente com base na configuração da propriedade language. Para obter detalhes, consulte [Criação de uma lista de palavras irrelevantes personalizada](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Padrão: palavras irrelevantes em inglês | | config.testDataset | Objeto | Nome do [DatasetDefinition](https://servicenow-prod.fluidtopics.net/o4nUJYO4X4WKz2l8yyx5lw#DatasetDefinitionAPI "A API DatasetDefinition fornece métodos para identificar um conjunto de registros, incluindo um nome de tabela, colunas e critérios de seleção de linha a serem usados como entrada para algoritmos de treinamento de ML. Os conjuntos de dados não contêm os dados reais.") a ser verificado em busca de semelhanças com lookupDataset resultados. | | config.FrequênciaDetreinamento | Cadeia de caracteres | Opcional. A frequência para retreinar o modelo. Valores possíveis: * a cada_30_dias * a cada_60_dias * a cada_90_dias * a cada_120_dias * a cada_180_dias * run_once {#SimilaritySol-SimilaritySolution_O__ul_pmw_523_plb}Padrão: run_once | | config.FrequênciaDeAtualização | | A frequência com que o modelo para a definição da solução deve ser recriado. Valores possíveis: * atualizar_não_fazer * a cada_1_dia * a cada_1_hora * a cada_6_horas * a cada_12_horas * a cada_1_minuto * a cada_15_minutos * a cada_30_minutos {#SimilaritySol-SimilaritySolution_O__ul_kjm_2jh_3mb}Padrão: do_not_update | [Tabela 1. Parâmetros] {#SimilaritySol-SimilaritySolution_O__table_gm2_yt5_flb} O exemplo a seguir mostra como criar um objeto e adicioná-lo ao Armazenamento de soluções de semelhança. var incidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description'] }); var kbData = new sn_ml.DatasetDefinition({ 'tableName' : 'kb_knowledge', 'fieldNames' : ['short_description'], 'encodedQuery' : 'active=true' }); var encoder = sn_ml.EncoderStore.get('GloVe'); var mySolution = new sn_ml.SimilaritySolution({ 'label': "similarity solution", 'lookupDataset' : kbData, 'testDataset' : incidentData, 'encoder' : encoder }); // add solution var solutionName = sn_ml.SimilaritySolutionStore.add(mySolution); ## SimilaritySolution - cancelTrainingJob() {#ariaid-title3} Cancela um trabalho para um objeto de solução que foi enviado para treinamento. {#SimilaritySol-cancelTrainingJob__table_bpb_k3z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 2. Parâmetros] {#SimilaritySol-cancelTrainingJob__table_bpb_k3z_llb} {#SimilaritySol-cancelTrainingJob__table_cpb_k3z_llb__entry__2} | Tipo | Descrição | |-|-| | Nenhum | | [Tabela 3. Retorna] {#SimilaritySol-cancelTrainingJob__table_cpb_k3z_llb} O exemplo a seguir mostra como cancelar um trabalho de treinamento existente. var mySolution = sn_ml.SimilaritySolutionStore.get('ml_sn_global_global_similarity'); mySolution.cancelTrainingJob(); ## SimilaritySolution - getActiveVersion() {#ariaid-title4} Objeto Obtém o ativo SimilaritySolutionVersion. {#SimilaritySol-getActiveVersion__table_tvl_m3z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 4. Parâmetros] {#SimilaritySol-getActiveVersion__table_tvl_m3z_llb} {#SimilaritySol-getActiveVersion__table_uvl_m3z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Objeto [SimilaritySolutionVersion](https://servicenow-prod.fluidtopics.net/kEDCKqAgs~klEcuZ_ZFFIg#SimilaritySolutionVersionAPI "A API SimilaritySolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") ativo. | [Tabela 5. Retorna] {#SimilaritySol-getActiveVersion__table_uvl_m3z_llb} O exemplo a seguir mostra como obter uma SemelhançaSolução versão ativa do armazenamento e retornar seu status de treinamento. var mlSolution = sn_ml.SimilaritySolutionStore.get('ml_x_snc_global_global_similarity'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getStatus()), null, 2)); Saída: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## SimilaritySolution - getAllVersions() {#ariaid-title5} Obtém todas as versões de um objeto SimilaritySolution. {#SimilaritySol-getAllVersions__table_tvl_m3z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 6. Parâmetros] {#SimilaritySol-getAllVersions__table_tvl_m3z_llb} {#SimilaritySol-getAllVersions__table_uvl_m3z_llb__entry__2} | Tipo | Descrição | |-|-| | Matriz | APIVersões existentes de um objeto de solução. Consulte também [SimilaritySolutionVersion](https://servicenow-prod.fluidtopics.net/kEDCKqAgs~klEcuZ_ZFFIg#SimilaritySolutionVersionAPI "A API SimilaritySolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva."). | [Tabela 7. Retorna] {#SimilaritySol-getAllVersions__table_uvl_m3z_llb} O exemplo a seguir mostra como obter todos os objetos de versão SimilaritySolution e chamar os métodos de versão de solução getVersionNumber() e getStatus() neles. var mlSolution = sn_ml.SimilaritySolutionStore.get('ml_x_snc_global_global_Similarity'); var mlSolutionVersions = mlSolution.getAllVersions(); for (i = 0; i < mlSolutionVersions.length; i++) { gs.print("Version " + mlSolutionVersions[i].getVersionNumber() + " Status: " + mlSolutionVersions[i].getStatus() +"\n"); Saída: Version 3 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"} Version 2 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"} Version 1 Status: {"state":"solution_cancelled","percentComplete":"0","hasJobEnded":"true"} ## SimilaritySolution - getLatestVersion() {#ariaid-title6} Obtém a versão mais recente de uma solução. {#SimilaritySol-getLatestVersion__table_tvl_m3z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 8. Parâmetros] {#SimilaritySol-getLatestVersion__table_tvl_m3z_llb} {#SimilaritySol-getLatestVersion__table_uvl_m3z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | [SimilaritySolutionVersion](https://servicenow-prod.fluidtopics.net/kEDCKqAgs~klEcuZ_ZFFIg#SimilaritySolutionVersionAPI "A API SimilaritySolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") objeto correspondente à versão mais recente de e [SimilaritySolution](https://servicenow-prod.fluidtopics.net/Tv2lO4WmWRv20eJUmPNJAQ#SimilaritySol-SimilaritySolution_O "Cria uma solução de semelhança."). | [Tabela 9. Retorna] {#SimilaritySol-getLatestVersion__table_uvl_m3z_llb} O exemplo a seguir mostra como obter a versão mais recente de uma solução e retornar seu status de treinamento.{#SimilaritySol-getLatestVersion__mlsol-getLatestVersion-example} var mlSolution = sn_ml.SimilaritySolutionStore.get('ml_x_snc_global_global_Similarity'); gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus()), null, 2)); Saída: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## SimilaritySolution - getName() {#ariaid-title7} Obtém o nome do objeto a ser usado para interação com o armazenamento. {#SimilaritySol-getName__table_pps_43z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 10. Parâmetros] {#SimilaritySol-getName__table_pps_43z_llb} {#SimilaritySol-getName__table_qps_43z_llb__entry__2} | Tipo | Descrição | |-|-| | Cadeia de caracteres | Nome do objeto de solução. | [Tabela 11. Retorna] {#SimilaritySol-getName__table_qps_43z_llb} O exemplo a seguir mostra como atualizar SemelhançaSolução as informações do conjunto de dados e imprimir o nome do objeto. // Update solution var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description', 'priority'], 'encodedQuery' : 'activeANYTHING' }); var eligibleFields = JSON.parse(myIncidentData.getEligibleFields('Similarity')); var mySimilarity = new sn_ml.SimilaritySolution({ 'label': "my Similarity solution", 'dataset' : myIncidentData, 'inputFieldNames': eligibleFields['eligibleInputFieldNames'], 'predictedFieldName': 'category' }); // update solution sn_ml.SimilaritySolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', mySimilarity); // print solution name gs.print('Solution Name: '+mySimilarity.getName()); Saída: Solution Name: ml_x_snc_global_global_my_solution_definition_4 ## SimilaritySolution - getProperties() {#ariaid-title8} Obtém propriedades do objeto de solução. {#SimilaritySol-getProperties__table_pps_43z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 12. Parâmetros] {#SimilaritySol-getProperties__table_pps_43z_llb} {#SimilaritySol-getProperties__table_qps_43z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Conteúdos dos detalhes do objeto Dataset e [SimilaritySolution()](https://servicenow-prod.fluidtopics.net/Tv2lO4WmWRv20eJUmPNJAQ#SimilaritySol-SimilaritySolution_O "Cria uma solução de semelhança.") no [SimilaritySolutionStore](https://servicenow-prod.fluidtopics.net/4htNh6F6oFCx58uussPeDA#SimilaritySolutionStoreAPI "Habilita o armazenamento e a recuperação de soluções."). { "domainName": "String", "encoder": {Object}, "label": "String", "lookupDatasetProperties": {Object}, "name": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "testDatasetProperties": {Object}, "trainingFrequency": "String", "updateFrequency": "String" } | | \.domainName | Nome do domínio associado a este conjunto de dados. Consulte [Separação de domínios e Inteligência preditiva](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Tipo de dados: cadeia de caracteres. | | \.codificador | Objeto de codificador atribuído a esta solução. Consulte [Codificador - Codificador (configuração de objeto)](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador."). Tipo de dados: objeto. | | \.rótulo | Identifica a tarefa de previsão. { "label": "my first prediction" } Tipo de dados: cadeia de caracteres. | | \.lookupDatasetProperties | Detalhes de [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/o4nUJYO4X4WKz2l8yyx5lw#DDef-DatasetDefinition_O "Cria uma instância da classe DatasetDefinition, permitindo que você defina um conjunto de dados por nome de tabela, campos e consulta.") objeto usado como o conjunto de pesquisa. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } Tipo de dados: objeto. | | \.lookupDatasetProperties.tableName | Nome da tabela para o conjunto de dados. Por exemplo, `"tableName" : "Incidente"`. Tipo de dados: cadeia de caracteres. | | \.lookupDatasetProperties.fieldNomes | Lista de nomes de campo da tabela especificada como cadeias de caracteres. Por exemplo, `"fieldNames" : ["short_description", "priority"]`. Tipo de dados: matriz. | | \.lookupDatasetProperties.fieldNames.fieldDetails | Lista de objetos JavaScript que especificam propriedades de campo. [ { "name": "String", "type": "String" } ] Tipo de dados: matriz. | | \.lookupDatasetProperties.fieldNames.fieldDetails.\.nome | Nome do campo que define o tipo de informação ao qual este conjunto de dados será restrito. Tipo de dados: cadeia de caracteres. | | \.lookupDatasetProperties.fieldDetails.\.type | Tipo de campo de aprendizado de máquina. Tipo de dados: cadeia de caracteres. | | \.lookupDatasetProperties.fieldDetails.encodedQuery | Cadeia de caracteres de consulta codificada no formato Glide padrão. Consulte Cadeias de [caracteres de consulta codificadas](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=xanadu&pubname=xanadu-platform-user-interface&ft:locale=en-US). Tipo de dados: cadeia de caracteres. | | \.nome | Nome atribuído pelo sistema. Tipo de dados: cadeia de caracteres. | | \.processingLanguage | Idioma de processamento no formato de código de idioma ISO 639-1 de duas letras. Tipo de dados: cadeia de caracteres. | | \.escopo | Escopo do objeto. Atualmente, o único valor válido é `global`. Tipo de dados: cadeia de caracteres | | \.palavras irrelevantes | Opcional. Lista predefinida de cadeias de caracteres que o sistema gera automaticamente com base na configuração da propriedade language. Para obter detalhes, consulte [Criação de uma lista de palavras irrelevantes personalizada](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Tipo de dados: matriz. | | \.testDatasetProperties | Detalhes de [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/o4nUJYO4X4WKz2l8yyx5lw#DDef-DatasetDefinition_O "Cria uma instância da classe DatasetDefinition, permitindo que você defina um conjunto de dados por nome de tabela, campos e consulta.") objeto usado para recuperar semelhanças entre os resultados pesquisados neste modelo e os resultados encontrados no lookupDataset. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } Tipo de dados: objeto. | | \.testDatasetProperties.tableName | Nome da tabela para o conjunto de dados. Por exemplo, `"tableName" : "Incidente"`. Tipo de dados: cadeia de caracteres. | | \.testDatasetProperties.fieldNames | Lista de nomes de campo da tabela especificada como cadeias de caracteres. Por exemplo, `"fieldNames" : ["short_description", "priority"]`. Tipo de dados: matriz. | | \.testDatasetProperties.fieldNames.fieldDetails | Lista de objetos JavaScript que especificam propriedades de campo. [ { "name": "String", "type": "String" } ] Tipo de dados: matriz. | | \.testDatasetProperties.fieldNames.fieldDetails.\.nome | Nome do campo que define o tipo de informação ao qual este conjunto de dados será restrito. Tipo de dados: cadeia de caracteres. | | \.testDatasetProperties.fieldDetails.\.type | Tipo de campo de aprendizado de máquina. Tipo de dados: cadeia de caracteres. | | \.testDatasetProperties.fieldDetails.encodedQuery | Cadeia de caracteres de consulta codificada no formato Glide padrão. Consulte Cadeias de [caracteres de consulta codificadas](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=xanadu&pubname=xanadu-platform-user-interface&ft:locale=en-US). Tipo de dados: cadeia de caracteres. | | \.trainingFrequency | A frequência para retreinar o modelo. Valores possíveis: * a cada_30_dias * a cada_60_dias * a cada_90_dias * a cada_120_dias * a cada_180_dias * run_once {#SimilaritySol-getProperties__ul_pmw_523_plb}Padrão: run_once Tipo de dados: cadeia de caracteres. | | \.updateFrequency | A frequência com que o modelo para a definição da solução deve ser recriado. Valores possíveis: * atualizar_não_fazer * a cada_1_dia * a cada_1_hora * a cada_6_horas * a cada_12_horas * a cada_1_minuto * a cada_15_minutos * a cada_30_minutos {#SimilaritySol-getProperties__ul_kjm_2jh_3mb}Padrão: do_not_update Tipo de dados: cadeia de caracteres | [Tabela 13. Retorna] {#SimilaritySol-getProperties__table_qps_43z_llb} O exemplo a seguir obtém propriedades de um objeto de solução no armazenamento.{#SimilaritySol-getProperties__mlsol-getProps-example-other2} var mySolution = sn_ml.SimilaritySolutionStore.get('ml_sn_global_global_similarity_solution'); gs.print(JSON.stringify(JSON.parse(mySolution.getProperties()), null, 2)); Saída: *** Script: { "domainName": "global", "encoderProperties": { "datasetsProperties": [], "name": "wordCorpusA" }, "label": "similarity", "lookupDatasetProperties": { "tableName": "incident", "fieldNames": [ "short_description" ] }, "name": "ml_x_snc_global_global_similarity", "processingLanguage": "en", "scope": "global", "stopwords": [ "Default English Stopwords" ], "testDatasetProperties": { "tableName": "incident", "fieldNames": [ "short_description" ] }, "trainingFrequency": "every_30_days", "updateFrequency": "do_not_update" } ## SimilaritySolution - getVersion(String version) {#ariaid-title9} Obtém uma solução pelo número de versão fornecido. {#SimilaritySol-getVersion_S__table_pps_43z_llb__entry__3}{#SimilaritySol-getVersion_S__mlsol-gerversion-returns-other} | Nome | Tipo | Descrição | |-|-|-| | versão | Cadeia de caracteres | Número da versão existente de uma solução. | [Tabela 14. Parâmetros] {#SimilaritySol-getVersion_S__table_pps_43z_llb} {#SimilaritySol-getVersion_S__table_qps_43z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Versão especificada do objeto [SimilaritySolution()](https://servicenow-prod.fluidtopics.net/Tv2lO4WmWRv20eJUmPNJAQ#SimilaritySol-SimilaritySolution_O "Cria uma solução de semelhança.") na qual você pode chamar métodos de API [SimilaritySolutionVersion](https://servicenow-prod.fluidtopics.net/kEDCKqAgs~klEcuZ_ZFFIg#SimilaritySolutionVersionAPI "A API SimilaritySolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva."). | [Tabela 15. Retorna] {#SimilaritySol-getVersion_S__table_qps_43z_llb} O exemplo a seguir mostra como obter o status de treinamento de uma solução por número de versão.{#SimilaritySol-getVersion_S__mlsol-gerversion-example-other} var mlSolution = sn_ml.SimilaritySolutionStore.get('ml_x_snc_global_global_similarity'); gs.print(JSON.stringify(JSON.parse(mlSolution.getVersion('1').getStatus()), null, 2)); Saída: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## SimilaritySolution - setActiveVersion(String version) {#ariaid-title10} Ativa uma versão especificada de uma solução na loja. {#SimilaritySol-setActiveVersion_S__table_pps_43z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | versão | Cadeia de caracteres | Nome da versão do objeto [SimilaritySolution()](https://servicenow-prod.fluidtopics.net/Tv2lO4WmWRv20eJUmPNJAQ#SimilaritySol-SimilaritySolution_O "Cria uma solução de semelhança.") a ser ativada. Ativar esta versão desativa qualquer outra versão. | [Tabela 16. Parâmetros] {#SimilaritySol-setActiveVersion_S__table_pps_43z_llb} {#SimilaritySol-setActiveVersion_S__table_qps_43z_llb__entry__2} | Tipo | Descrição | |-|-| | Nenhum | | [Tabela 17. Retorna] {#SimilaritySol-setActiveVersion_S__table_qps_43z_llb} O exemplo a seguir mostra como ativar uma versão de solução na loja.{#SimilaritySol-setActiveVersion_S__mlsol-setActive-example2} sn_ml.SimilaritySolution.setActiveVersion("ml_incident_categorization"); ## SimilaritySolution - submitTrainingJob() {#ariaid-title11} Envia um trabalho de treinamento. Nota: Antes de executar este método, você deve adicionar uma solução ao armazenamento usando o método [SimilaritySolutionStore - add()](https://servicenow-prod.fluidtopics.net/4htNh6F6oFCx58uussPeDA#SimilarityStore-add_O "Adiciona um novo objeto de solução ao armazenamento e retorna um nome exclusivo."). {#SimilaritySol-submitTrainingJob__table_xmd_33z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 18. Parâmetros] {#SimilaritySol-submitTrainingJob__table_xmd_33z_llb} {#SimilaritySol-submitTrainingJob__table_ymd_33z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | [SimilaritySolutionVersion](https://servicenow-prod.fluidtopics.net/kEDCKqAgs~klEcuZ_ZFFIg#SimilaritySolutionVersionAPI "A API SimilaritySolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") objeto correspondente ao que [SimilaritySolution](https://servicenow-prod.fluidtopics.net/Tv2lO4WmWRv20eJUmPNJAQ#SimilaritySol-SimilaritySolution_O "Cria uma solução de semelhança.") está sendo treinado. | [Tabela 19. Retorna] {#SimilaritySol-submitTrainingJob__table_ymd_33z_llb} // Create a dataset var incidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description'] }); var kbData = new sn_ml.DatasetDefinition({ 'tableName' : 'kb_knowledge', 'fieldNames' : ['short_description'], 'encodedQuery' : 'active=true' }); // Create a solution var encoder = sn_ml.EncoderStore.get('GloVe'); var mySolution = new sn_ml.SimilaritySolution({ 'label': "similarity solution", 'lookupDataset' : kbData, 'testDataset' : incidentData, 'encoder' : encoder, }); // Add solution var solutionName = sn_ml.SimilaritySolutionStore.add(mySolution); // Train the solution - this is a long running job var mySimilarityVersion = mySolution.submitTrainingJob();