Машинное обучение
Требования
Чтобы запустить процесс машинного обучения, для начала необходимо загрузить некоторое количество исходных данных, на которых алгоритм будет учиться обрабатывать запросы. После прохождения обучения программа уже сама сможет распознавать признаки, по которым будет понимать, какой ответ предложить пользователю в той или иной ситуации.
Требования к системе:
- Версия системы Итилиум не ниже 5.0.0.4.
- Установленная deb-подобная система Linux (Astra Linux и другие). Ниже рассматривается пример на Astra Linux.
Настройка сервиса машинного обучения в системе Итилиум
Устанавливаем в «Параметрах системы» на вкладке «Общее» флаги «Машинное обучение», «Прогнозирование услуги и состава услуг», «Улучшить поиск в базе знаний», «Прогнозировать КЕ в обращении», «Подсказывать решенные обращения инженеру» «Прогнозировать тип в обращении», «Прогнозировать категории в обращении» и «Обнаруживать массовые обращения».

В «Параметрах системы» на вкладке «Машинное обучение» доступна возможность установки прогнозирования для следующих разделов.
- Автоматическая установка услуги.
- Подсказки услуги.
- Автоматическая установка КЕ.
- Подсказки КЕ.
- Автоматическая установка ответственного.
- Автоматическая установка типа.
- Автоматическая установка категории.
- Поиск в базе знаний.
- Подсказывать решение обращения.
- Обнаруживать массовые обращения.
Для выгрузки обучающих данных с определенного периода можно установить значение константы «Дата среза для выгрузки информации машинного обучения». Если период не указан – выгрузка обучающих данных произойдет по всем закрытым обращениям в информационной базе.

Установка флагов в каждом из этих разделов позволяет включить или отключить использование прогнозирования при различных алгоритмах работы с системой. Таким образом, администратор может определить, насколько будет задействовано машинное обучение в Итилиум.

Переходим к настройке ПО Docker
Переходим к настройкам в системе Итилиум.
Настройку параметров модели можно осуществить с помощью флагов в «Параметрах модели». С их помощью можно выгрузить, очистить или обновить данные не всей модели, а конкретной области.
В поле «Сервер» указываем адрес сервера, на котором расположена Astra Linux и другие необходимые приложения.

По кнопке «Проверить доступность сервиса» проверяем подключение. При успешной проверке внизу окна появится сообщение об этом.
В подсистеме «Администрирование и настройки» в разделе «Машинное обучение» открываем «Коллекции данных машинного обучения» и проверяем, что коллекция добавилась.
В «Параметрах системы» на вкладке «Машинное обучение» в поле «Используемая модель для прогнозирования услуги и состава услуги» устанавливаем ранее созданную модель.

Для получения уведомлений о поступлении похожих обращений, которые могут быть объединены в массовый инцидент, в «Параметрах системы» в разделе «Машинное обучение» необходимо установить «Шаблон уведомления об обнаружении массовых обращений». В данный шаблон необходимо добавить теги из раздела «МашинноеОбучение» — %список_похожих_обращений% и %развернутый_список_похожих_обращений%.

Для корректного прогнозирования в окне «Модель машинного обучения» необходимо выполнить поочередно команды: «Выгрузить обучающие данные» и «Переобучить модель».
В случае нестабильной работы сервера с машинным обучением рекомендуется установить значение параметра «Таймаут машинного обучения для веб-портала». Данный параметр уменьшает риски медленной работы прогнозирования на веб-портале.
