فایل ورد کامل به سمت استخراج نیازهای مشتری از تیکت های حادثه در خدمات فناوری اطلاعات

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل به سمت استخراج نیازهای مشتری از تیکت های حادثه در خدمات فناوری اطلاعات،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۶ صفحه

VI. نتیجه گیری
رویکردی تحلیلی بر مبنای الگوریتم های طبقه بندی و استخراج متن توسعه دادیم تا نیازهای مشتری را از ticket های رویداد شناسایی کند. به طور موفقیت آمیز رویکردمان را در مطالعه امکان سنجی با فراهم آورنده خدمات IT بزرگ اعتبارسنجی کردیم. نتایج نشان می دهد که رویکرد پیشنهادی می تواند اطلاعاتی از داده های مواجه خدمات در مدلی خودکار و مقیاس پذیر بعد از آموزش اولیه استخراج کند.
به طور طبیعی، این اثر محدودیت های خاصی دارد و بسط های آتی را برای بهبود نتایج و کارآیی بیشتر در نظر داریم.
نخست، میزان سوابق مورد استفاده بسیار کوچک بود و تنها یک متخصص برای برچسب زدن در دسترس بود- همانطور که در عمل از بین بردن زمان برای متخصصین تجارت واجد شرایط دشوار بود. بنابراین، تبعیض فردی نمی تواند از بین رود بلکه می تواند با برچسب زدن متخصصین و استفاده از حداکثر آرا کاهش یابد. با برچسب زدن میزان بالاتری از ticket ها با نیازهای نهفته مشتری، مدل های طبقه بندی می تواند بهبود یابد. این بویژه برای کلاس ها با نمونه های کوچک درست می باشد.

عنوان انگلیسی:Towards Extracting Customer Needs from Incident Tickets in IT Services~~en~~

VI. CONCLUSION

We developed an analytical approach based on classification and text mining algorithms to identify customer needs from incident tickets. We successfully validated our approach in a feasibility study with a large IT service provider. Results show that the proposed approach is capable to elicit information from service encounter data in an automated and scalable fashion–after an initial training. Naturally, the work has certain limitations and we envision future extensions to further improve results and applicability. First, the amount of records used was rather small, and only one expert was available for labelling—as in practice it is hard to carve out time for qualified business experts. Hence, individual bias cannot be ruled out which could be reduced by more labeling experts and using majority votes. By labelling a larger amount of tickets with underlying customer needs, classification models could be further improved. This especially holds for classes with few samples.

$$en!!