---
sourceDocument: Yokohama Customer Service Management
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/yokohama/customer-service-management

 Release :

    - yokohama

ft:locale :

    - pt-BR

ft:publication_title :

    - Yokohama Customer Service Management

ft:clusterId :

    - csm

bundleId :

    - csm

workflow :

    - Customer and Industry


---

# Configuração e comportamento do modelo de aprendizado de máquina

# Configuração e comportamento do modelo de aprendizado de máquina {#ariaid-title1}

* Versão de lançamento: Yokohama
* 
* Atualizado 30 de jan. de 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 3 min. de leitura

Configure modelos para prever valores de campo e sentimento para casos de atendimento ao cliente.

## Treinando um modelo {#csm-task-intel-model-setup-behavior__section_gfc_lbn_g5b}

O treinamento de um modelo de aprendizado de máquina ocorre quando o modelo aprende padrões em dados anteriores para fazer previsões para novos dados. Os modelos são treinados usando muitos dados para que possam aprender padrões, e o grande conjunto de dados torna os padrões aprendidos estatisticamente significativos.

## Configurando um modelo de previsão de campo {#csm-task-intel-model-setup-behavior__section_esq_2dn_g5b}

Os usuários com a função ml_admin podem criar e treinar um modelo de aprendizado de máquina para prever valores de campo do [Console de administração da Inteligência para tarefas](https://servicenow-prod.fluidtopics.net/ZwK~xK1GX0SkgO9Y6MpK9Q "Use o console de administração da Inteligência para tarefas para criar, treinar e implantar modelos de aprendizado de máquina que preveem diferentes tipos de informações para registros de caso e interação .").  
Usando o modelo de previsão de campo como ponto de partida, você pode escolher o conjunto de dados de treinamento com o qual o modelo aprende. O modelo pode ser treinado usando dados das seguintes tabelas:

* Tabela de e-mail \[sys_email\]
* Tabela de caso \[sn_customerservice_case\]
* Tabelas que estendem a tabela de casos
* Interação \[interação\] tabela
{#csm-task-intel-model-setup-behavior__ul_ppc_swm_zyb}Os modelos também podem ser treinados usando dados de e-mail ou anexos de caso.  
Em seguida, direcione o modelo para aprender um padrão entre dois tipos de campos a partir desses dados:

* Campos de saída são os campos que você deseja que seu modelo preveja. Por exemplo, os campos Categoria e Prioridade para casos.
* Campos de entrada são os campos que o modelo usa como base para previsões. Por exemplo, o texto no assunto e no corpo de um e-mail.
{#csm-task-intel-model-setup-behavior__ul_ent_3m3_d5b}

Você pode usar os campos de entrada recomendados ou modificar esses campos e adicionar suas próprias preferências.  
Se o modelo estiver configurado para usar texto de anexos, o sistema executará as seguintes etapas quando um caso ou interação for criado:

* O sistema verifica o registro em busca de anexos com tipos de conteúdo compatíveis e extensões de arquivo. Ele ignora os anexos que têm extensões de arquivo incompatíveis.
* Se o registro tiver anexos em um formato compatível, o sistema analisará o texto e o enviará como uma entrada para o modelo de categorização, juntamente com o texto dos campos de entrada.
* Se o registro não tiver anexos ou nenhum anexo em um formato compatível, o sistema enviará texto dos campos de entrada para o modelo de categorização.
{#csm-task-intel-model-setup-behavior__ul_y24_2hl_d5b}

Os tipos de conteúdo compatíveis e extensões de arquivo são armazenados no sn_csm_ml_task.categorization.allowed_content_typespropriedade do sistema. Para obter mais informações, consulte [Componentes instalados com Inteligência de tarefas para Atendimento ao cliente](https://servicenow-prod.fluidtopics.net/b_G9mBddOk~H_Rg9wqOLnA#case-categorization-components__section_bqd_lqt_xrb).

## Suporte a vários idiomas {#csm-task-intel-model-setup-behavior__section_jrk_533_h5b}

A categorização oferece suporte a vários idiomas, incluindo anexos, se os modelos estiverem configurados para incluir anexos. O modelo de categorização retorna o idioma previsto e o armazena no Idioma detectado Campo na tabela Resultado do preditor \[ml_preditor_results\].

## Configurando um modelo de sentimento de caso {#csm-task-intel-model-setup-behavior__section_vpq_2dn_g5b}

O modelo de sentimento do caso é pré-treinado com um grande conjunto de dados para aprender padrões de comunicação. Esses dados vêm de e-mails de clientes, descrições e comentários de casos e refletem a comunicação típica entre agentes e clientes.

* E-mail : O modelo usa o texto no assunto e no corpo do e-mail inicial para prever o sentimento quando o caso é criado. O texto do corpo dos e-mails subsequentes é usado para atualizar a previsão.
* Casos : O modelo usa o texto na descrição resumida do caso e na descrição para prever o sentimento quando o caso é criado. Os comentários adicionados ao caso são usados para atualizar a previsão.
{#csm-task-intel-model-setup-behavior__ul_tbz_kt3_d5b}  
O modelo de sentimento de caso é compatível com tipos de caso. Ao configurar um modelo de sentimento, selecione a tabela na qual executar a análise de sentimento. Você pode selecionar:

* A tabela de casos
* Tabelas que estendem a tabela de casos

{#csm-task-intel-model-setup-behavior__ul_iws_qzg_c5b}  
Nota:  
O recurso de análise de sentimento é compatível com um nível de extensão personalizada da tabela de casos.