---
sourceDocument: Yokohama habilitar IA
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/yokohama/intelligent-experiences

 Release :

    - yokohama

ft:locale :

    - pt-BR

ft:publication_title :

    - Yokohama habilitar IA

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Criação e treinamento de uma solução de semelhança

# Criação e treinamento de uma solução de semelhança {#ariaid-title1}

* Versão de lançamento: Yokohama
* 
* Atualizado 30 de jan. de 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 5 min. de leitura

Crie e treine uma solução de aprendizado de máquina para coletar e comparar seus registros existentes com novos registros semelhantes. Por exemplo, você pode comparar o texto em um registro de incidente aberto com um registro de incidente resolvido para reutilizar sua resolução.

## Antes de Iniciar

* Função necessária: Ml_admin ou admin

{#create-similarity-solution__ul_rdd_x2s_hhb}  
Importante:  
Em YokohamaA versão, os modelos nas estruturas de classificação, clustering e semelhança usam soluções de fluxo de trabalho. Estes são pré-treinados, portanto, um corpus de palavras não é necessário para suas novas soluções. Quando suas soluções existentes com um corpus de palavras são treinadas novamente após o upgrade, elas se tornam soluções de fluxo de trabalho e o campo Corpus de palavras é removido do formulário.

## Por Que e Quando Desempenhar Esta Tarefa

O sistema usa uma solução de semelhança de fluxo de trabalho, que é pré-treinada e não requer que você crie um corpus de palavras. Depois de comparar seus registros existentes com base na semelhança, o sistema recomenda exemplos que você pode revisar e reutilizar em sua solução.

Para obter informações sobre como usar dados de treinamento criptografados, consulte [Criptografia de dados em Inteligência preditiva](https://servicenow-prod.fluidtopics.net/2YVDw4~6gllheVeTvmu_hA "Saiba quais tipos de criptografia são compatíveis para treinamento Inteligência preditivasoluções.").

Neste procedimento de exemplo, você está trabalhando em registros de incidente e deseja localizar artigos relevantes da Base de conhecimento que podem fornecer resoluções para esses incidentes.

## Procedimento

1. Certifique-se de estar no escopo da aplicação desejado para a definição da solução e navegue até TudoInteligência preditivaSemelhançaDefinições de solução.
2. Na lista Definições de semelhança, selecione Novo .
3. No formulário Definição de semelhança, preencha os campos.  
   {#create-similarity-solution__table_o1g_bfj_3fb__entry__2}

   | Campo | Valor |
   |-|-|
   | Rótulo | Insira um nome exclusivo para sua solução de semelhança. Por exemplo, neste caso de uso, você pode inserir <kbd class="ph userinput">Corresponder artigos de conhecimento a incidentes </kbd>. |
   | Nome | Ao inserir um valor de rótulo, este campo é preenchido automaticamente com um nome somente leitura atribuído pelo sistema com base no valor do rótulo. |
   | Corpus de palavras | Se você tiver uma solução de semelhança legada, poderá selecionar um corpus de palavras relevante no Word Corpus campo no formulário de definição. Nota: A partir de Washington DCum corpus de palavras não é necessário porque um modelo pré-treinado é usado. . Word Corpus o campo não está visível no formulário de definição para modelos pré-treinados. Para obter mais informações, consulte [Crie um corpus de palavras](https://servicenow-prod.fluidtopics.net/2nZ_OMarV0agNnzAVtmM0Q "Crie uma coleção de palavras e frases que funcione como o vocabulário que o sistema usa para comparar seus registros de instância com base na semelhança textual. Você pode pensar no corpus de palavras como um dicionário que você quer que seu sistema de aprendizado de máquina entenda."). |
   | Tabela | No campo Tabela, selecione a tabela que contém os registros que você deseja usar como fonte de informações. Neste caso de uso, você seleciona Conhecimento \[kb_knowledge\] Porque os registros de artigos da base de conhecimento podem fornecer informações relevantes para os incidentes que você está tentando resolver. Depois de atribuir uma tabela, o número de registros correspondentes às condições de filtro será exibido como um link. Selecione este link para exibir a lista de registros. |
   | Tabela de Teste | No campo Tabela de teste, selecione a tabela que contém os registros que você deseja direcionar. Neste caso de uso, você seleciona Incidente \[incidente\] , pois contém os registros de incidente que você está tentando resolver. Nota: Você pode selecionar a mesma tabela para Tabela e Tabela de teste. Por exemplo: Usando condições de filtro, você pode coletar informações de incidentes recentes para ajudar com incidentes de destino. |
   | Campos | Para a Tabela que você selecionou, insira campos que provavelmente contenham palavras e frases relevantes para os incidentes que você está tentando resolver. Neste exemplo, você escolhe Descrição resumida e. Corpo do artigo . Incluir o corpo do artigo aumenta suas chances de capturar detalhes informativos sobre o assunto. Nota: Tipo de registro não é um tipo de dados compatível. |
   | Campos de teste | Para a Tabela de teste selecionada, insira campos que contenham texto que você deseja comparar com outros registros semelhantes. Neste exemplo, você escolhe Descrição resumida Dos registros de incidente que você está tentando resolver. |
   | Filtro | Selecione Adicionar condição de filtro Para aplicar condições aos registros de Campos que você está usando como fonte de informações. Por exemplo, neste caso de uso, você pode definir um workflow_state: publicado Condição para recuperar somente artigos da base de conhecimento publicados. Nota: As inclusões de script não podem ser referenciadas no filtro. Use exibições de banco de dados como alternativa. |
   | Idioma de processamento | Selecione o idioma dominante do conjunto de dados no qual você está treinando. Além disso, o processamento em inglês é aplicado a todos os conjuntos de dados por padrão. Por exemplo, se você selecionar italiano, o sistema processará os dados em italiano e inglês. Nota: O termo processando indica algumas das etapas específicas do idioma usadas como parte do treinamento de uma solução, como tokenização de palavras, remoção de palavras de parada e derivação. |
   | Palavras irrelevantes | Quando você seleciona o idioma de processamento, o sistema adiciona automaticamente uma lista de Palavras de parada para esse idioma. Por exemplo, se o idioma de processamento for o italiano, a lista Palavras irrelevantes padrão em italiano será exibida. . Palavras irrelevantes em inglês padrão a lista também está incluída. Para usar uma lista de palavras de interrupção personalizada, selecione o ícone de cadeado ( ![Ícone de cadeado.]()) e, em seguida, pesquise em Selecione o registro de destino campo. |
   | Frequência de Treinamento | Selecione uma frequência de retreinamento. As opções disponíveis variam de Executar uma vez até A cada 180 dias . |
   | Frequência de atualização | Selecione com que frequência você deseja atualizar os dados usados para recuperar seus resultados de semelhança. Por exemplo, para registros de incidentes abertos, você pode selecionar uma frequência de atualização de A cada 15 minutos , pois novos incidentes normalmente ocorrem com frequência ao longo do dia. Essa frequência pode aumentar a probabilidade de que registros recém-abertos sejam incluídos na atualização. No entanto, para registros de artigos de conhecimento da base de conhecimento, que normalmente não são criados com frequência, você pode escolher uma frequência de atualização menos frequente, como A cada 1 dias . Nota: O agendador DE ML limita o número de treinamentos que uma instância pode confirmar a 50 novas solicitações de treinamento DE ML por instância em uma janela de 24 horas. Isso exclui solicitações de retreinamento agendadas. Além disso, atualizações de clustering e semelhança também são excluídas desse limite, mesmo que as novas solicitações de treinamento excedam 50 em um intervalo de 24 horas. |
   [ ]

   {#create-similarity-solution__table_o1g_bfj_3fb}
4. Selecione o botão apropriado para a definição da solução.

   | Opção | Descrição |
   | Salvar | Salve o registro de definição da solução para retornar a ele mais tarde. |
   | Enviar e Treinar | Crie seu registro de definição de solução e treine-o. |
   |-|-|

   {#create-similarity-solution__choicetable_ohd_ndj_3fb}
5. Se você enviou a solução para treinamento, selecione OK em Ativação de treinamento janela para confirmar.

## Resultado

* O sistema agenda a definição da solução para processamento com o serviço de treinamento mais próximo e envia uma notificação quando o treinamento é concluído. A notificação inclui todos os erros que possam ter ocorrido durante o treinamento. Outros usuários podem assinar o. Inteligência preditivaCategoria de notificações.
* A solução treinada atualiza seu formulário de definição de solução, onde fornece exemplos de soluções emparelhadas classificados por seu grau de semelhança.
* Quando o treinamento é concluído, o sistema carrega a solução como um registro de anexo.
{#create-similarity-solution__ul_lfb_npf_mgb}

## O que Fazer Depois

Revise os exemplos de solução de semelhança treinados na seção Links relacionados do formulário Definição de solução. Consulte [Revise os exemplos de semelhança da solução](https://servicenow-prod.fluidtopics.net/kgUGjQ71fthYa3rh2QqBIA "Revise os exemplos de semelhança e as pontuações geradas durante o treinamento da solução para determinar se o limite de pontuação de semelhança é suficiente.").