--- sourceDocument: Capacidades da Now Platform da Yokohama sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/yokohama/servicenow-platform Release : - yokohama ft:locale : - pt-BR ft:publication_title : - Capacidades da Now Platform da Yokohama ft:clusterId : - platcap bundleId : - platcap workflow : - Platform --- # Como configurar definições de solução para encontrar lacunas em uma base de conhecimento # Como configurar definições de solução para encontrar lacunas em uma base de conhecimento {#ariaid-title1} * Versão de lançamento: Yokohama * * Atualizado 30 de jan. de 2025 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 6 min. de leitura O recurso Informações de Demanda de Conhecimento encontra lacunas de conhecimento ao comparar as bases de conhecimento com as tarefas existentes. Para habilitar a comparação de bases de conhecimento com um tipo de tarefa, primeiro você deve configurar definições de solução de semelhanças e clustering. ## Antes de Iniciar Esta tarefa descreve o processo de configuração de uma definição de solução. Em vez de fazer a configuração por meio deste procedimento, considere usar uma configuração orientada. Navegar até ConhecimentoAdministraçãoConfiguração assistida, clique em Começar E role até a seção Informações de demanda de conhecimento.{#configure-km-solution-defintions__demand-insights-guided-setup} Função necessária: administrador ## Por Que e Quando Desempenhar Esta Tarefa Configure uma definição de solução de tipo de semelhança e uma de tipo de clustering para cada tipo de tarefa: incidentes, casos de atendimento ao cliente ou outras tarefas. Uma definição de solução de semelhança coleta e compara seus registros existentes com novos registros semelhantes. Uma definição de solução de clustering agrupa registros semelhantes em clusters para que você possa processá-los coletivamente ou identificar padrões. ## Procedimento 1. Navegar até Informações de Demanda de ConhecimentoDefinições de solução. 2. Na lista Definições de solução (exibição de ML), pesquise e selecione a definição de solução de semelhança para o tipo de tarefa. * Para casos de atendimento ao cliente, selecione Informações de demanda: casos semelhantes e conhecimento (ml_sn_global_similar_cases_and_kbs). * Para incidentes, selecione Informações de demanda: incidentes semelhantes e conhecimento (ml_sn_global_similar_incidents_and_kbs). * Para casos de RH, selecione Informações de demanda: casos de RH semelhantes e conhecimento (ml_x_sn_hr_core_global_demand_insights_similar_hr_cases_and_knowledge). * Para tarefas que não sejam de casos de atendimento ao cliente, incidentes e casos de RH, clique em Nova para criar outra definição de solução de semelhança. {#configure-km-solution-defintions__choices_rmg_yzw_4jb} 3. No formulário Definição de semelhança, verifique os valores do campo padrão para casos de atendimento ao cliente ou incidentes, ou preencha os valores para uma configuração personalizada. Nota: Se o escopo da aplicação não estiver definido como Knowledge Management -- Aprendizado de máquina, você não poderá editar o formulário, e uma mensagem de aviso será exibida. Para tornar o formulário editável, clique na palavra aqui no final da mensagem. {#configure-km-solution-defintions__table_bxj_sbx_4jb__entry__2}{#configure-km-solution-defintions__processing}{#configure-km-solution-defintions__stopwords} | Campo | Descrição | |-|-| | Rótulo | Nome exclusivo para sua solução de semelhança. | | Corpus de palavras | Define quais artigos de conhecimento e tarefas são selecionados para análise de lacuna de conhecimento. Se você não tiver um corpus de palavras relevante, siga as etapas em [Criação de um corpus de palavras](https://www.servicenow.com/docs/access?context=create-word-corpus&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US). | | Tabela | Tabela que contém os registros do artigo de conhecimento. Defina o valor como Conhecimento \[kb_knowledge\], a menos que você use uma tabela diferente para armazenar artigos de conhecimento. Depois de atribuir um valor de tabela, o número de registros que correspondem às condições do filtro é exibido como um link. | | Campos | Campos da tabela Conhecimento selecionados para a análise da lacuna de conhecimento. | | Filtro | Condições de filtro aplicadas na tabela Conhecimento para filtrar registros de artigos de conhecimento para análise de lacuna de conhecimento. | | Tabela de teste | Tabela que contém os registros de tarefa que você deseja comparar com os registros do artigo de conhecimento. | | Campos de Testes | Campos da tabela Tarefa selecionados para a análise da lacuna de conhecimento. | | Idioma de processamento | Idioma dominante do conjunto de dados que você está treinando na definição da solução. Por padrão, o processamento em inglês é aplicado a todos os conjuntos de dados. Por exemplo, se você selecionar italiano, o sistema processará os dados em inglês e italiano. Nota: o termo "processamento" indica algumas das etapas específicas do idioma usadas como parte do treinamento de uma solução. Essas etapas podem incluir a tokenização de palavras e a remoção de palavras irrelevantes e truncadas. | | Palavras irrelevantes | Termos comuns no idioma de processamento que são excluídos da pesquisa, por exemplo, preposições. Quando você seleciona o idioma de processamento, o sistema adiciona automaticamente uma lista de palavras irrelevantes que usa o mesmo idioma. Por exemplo, se o idioma de processamento for o italiano, a lista Palavras irrelevantes padrão em italiano será exibida. A lista Palavras irrelevantes padrão em inglês também aparecerá na sua seleção. | | Frequência de Treinamento | Frequência com a qual o modelo para definição de solução de semelhança deve ser treinado novamente. | | Frequência de Atualização | Frequência em que novos registros devem ser incluídos no modelo para definição de solução de semelhança. | [Tabela 1. Formulário Definição de semelhança] {#configure-km-solution-defintions__table_bxj_sbx_4jb} 4. Envie e treine a definição da solução. * Para obter um novo registro de definição de solução, clique em Enviar e treinar. * Para obter um registro de definição de solução existente, clique em Atualizar e treinar novamente. {#configure-km-solution-defintions__choices_xnb_nzq_fkb} {#configure-km-solution-defintions__solution-buttons} {#configure-km-solution-defintions__solution-buttons} 5. **Opcional:** Inclua artigos relacionados mais úteis revisando os exemplos de semelhança com base na pontuação de semelhança, e atualizando o valor do limite de pontuação de semelhança. Para obter mais informações, consulte [Análise dos exemplos de semelhança da solução](https://www.servicenow.com/docs/access?context=review-similarity-examples&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US) e [Atualização do limite da pontuação de semelhança](https://www.servicenow.com/docs/access?context=update-similarity-threshold&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US). 6. Na lista Definições de solução (exibição de ML), pesquise e selecione a definição de solução de clustering para o tipo de tarefa. * Para casos de atendimento ao cliente, selecione Informações de Informações de demanda: clusters de casos precisam de conhecimento (ml_sn_global_cases_need_knowledge_cluster). * Para incidentes, selecione Informações de demanda: clusters de incidentes precisam de conhecimento (ml_sn_global_incidents_need_knowledge_cluster). * Para casos de RH, selecione Informações de demanda: clusters de casos de RH precisam de conhecimento (ml_x_sn_hr_core_global_demand_insights_hr_case_clusters_need_knowledge). * Para tarefas que não sejam de casos de atendimento ao cliente e incidentes, clique em Nova para criar outra definição de solução de clustering. {#configure-km-solution-defintions__choices_fvr_j2r_fkb} 7. No formulário Definição de clustering, verifique os valores do campo padrão para casos de atendimento ao cliente ou incidentes, ou preencha os valores para uma configuração personalizada. Nota: Se o escopo da aplicação não estiver definido como Gestão de conhecimento -- Aprendizado de máquina, você não poderá editar o formulário, e uma mensagem de aviso será exibida. Para tornar o formulário editável, clique na palavra aqui no final da mensagem. {#configure-km-solution-defintions__table_bbr_chp_tjb__entry__2} | Campo | Descrição | |-|-| | Rótulo | Nome exclusivo para sua solução de clustering. | | Corpus de palavras | Quais tarefas são selecionadas para coleções. | | Tabela | Tabela que contém as tarefas filtradas que exigem artigos de conhecimento. Defina o valor como Abrangência do conhecimento da tarefa \[kb_task_knowledge_coverage\], a menos que você use uma tabela diferente para armazenar tarefas filtradas. Depois de atribuir um valor de tabela, o número de registros que correspondem às condições do filtro é exibido como um link. | | Campos | Campos da tabela "Abrangência do conhecimento da tarefa" selecionados para a análise da lacuna de conhecimento. | | Filtro | Condições de filtro aplicadas na tabela "Abrangência do conhecimento da tarefa" para filtrar registros de artigos de conhecimento para análise de lacuna de conhecimento. | | Idioma de processamento | Idioma dominante do conjunto de dados que você está treinando na definição da solução. Por padrão, o processamento em inglês é aplicado a todos os conjuntos de dados. Por exemplo, se você selecionar italiano, o sistema processará os dados em inglês e italiano. Nota: o termo "processamento" indica algumas das etapas específicas do idioma usadas como parte do treinamento de uma solução. Essas etapas podem incluir a tokenização de palavras e a remoção de palavras irrelevantes e truncadas. | | Palavras irrelevantes | Termos comuns no idioma de processamento que são excluídos da pesquisa, por exemplo, preposições. Quando você seleciona o idioma de processamento, o sistema adiciona automaticamente uma lista de palavras irrelevantes que usa o mesmo idioma. Por exemplo, se o idioma de processamento for o italiano, a lista Palavras irrelevantes padrão em italiano será exibida. A lista Palavras irrelevantes padrão em inglês também aparecerá na sua seleção. | | Frequência de Atualização | Frequência em que registros novos e atualizados devem ser incluídos no modelo para definição de solução de clustering. | | Frequência de Treinamento | Frequência com a qual o modelo para definição de solução de clustering deve ser treinado novamente. | [Tabela 2. Formulário Definição de clustering] {#configure-km-solution-defintions__table_bbr_chp_tjb} 8. Envie e treine a definição da solução. * Para obter um novo registro de definição de solução, clique em Enviar e treinar. * Para obter um registro de definição de solução existente, clique em Atualizar e treinar novamente. {#configure-km-solution-defintions__d25723e283} ## O que Fazer Depois Preencha o formulário de configuração de curadoria da base de conhecimento para definir os trabalhos agendados para informações de demanda. Para obter mais informações, consulte [Como configurar o mapeamento de definições de solução com tabelas de tarefas](https://servicenow-prod.fluidtopics.net/gr_s5JprpyjoCwuUvltcSA "Configure a combinação da tabela de tarefas e das definições de solução de semelhança e clustering que são processadas em um trabalho agendado para um tipo de tarefa. Você pode criar outra configuração de informações de demanda ou modificar uma configuração existente para definir um trabalho agendado para informações de demanda."). **Conceitos relacionados** * [Inteligência preditiva para Gestão de conhecimento](https://servicenow-prod.fluidtopics.net/1Ptjm9ohHR8HCyrRHF29cA "A funcionalidade Inteligência preditiva para Gestão de conhecimento usa algoritmos de aprendizado de máquina para fornecer várias funcionalidade do Gestão de conhecimento, como artigos semelhantes e informações de demanda de conhecimento.") **Tarefas relacionadas** * [Análise de lacunas de conhecimento em um painel de informações de demanda e criação de tarefas de feedback de lacuna de conhecimento](https://servicenow-prod.fluidtopics.net/oCk3RwiH4cxUId0qHMi4Mw "Use um painel de informações de demanda para suas tarefas a fim de analisar as lacunas de conhecimento do candidato e criar tarefas de feedback de lacuna de conhecimento.") **Tópicos relacionados** * [Criação e treinamento de uma solução de semelhança](https://www.servicenow.com/docs/access?context=create-similarity-solution&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US) * [Criação e treinamento de uma solução de clustering](https://www.servicenow.com/docs/access?context=create-clustering-solution&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US)