劉敏　張曉川　楊旭

摘? 要：在IT服務(wù)過(guò)程中，普遍存在滿意度數(shù)據(jù)采集單一、滿意度分析不全面、滿意度預(yù)測(cè)機(jī)制簡(jiǎn)單，以及缺少滿意度智能糾錯(cuò)機(jī)制等問(wèn)題，為此設(shè)計(jì)一種基于多源數(shù)據(jù)匯集和決策樹(shù)的滿意度提升技術(shù)，利用滿意度決策樹(shù)模型，對(duì)多IT系統(tǒng)和多渠道來(lái)源的滿意度數(shù)據(jù)進(jìn)行了歸一化處理和融合。提出滿意度智能計(jì)算模型，為滿意度管理、預(yù)警、智能微調(diào)及自動(dòng)糾錯(cuò)提供計(jì)算基礎(chǔ)。引入剪枝優(yōu)化的記憶化搜索算法，對(duì)滿意度數(shù)據(jù)進(jìn)行智能糾錯(cuò)。通過(guò)建立分層次、多角度、全方位的滿意度管理模式，有效提升IT系統(tǒng)服務(wù)滿意度，具有廣泛的應(yīng)用前景。

關(guān)鍵詞：多源數(shù)據(jù)匯集；剪枝優(yōu)化；智能糾錯(cuò)；內(nèi)部滿意度；決策樹(shù)

中圖分類號(hào)：TP39? ? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）13-0126-06

Satisfaction Improvement Technology Based on Multi-source Data Collection and Decision Tree

LIU Min， ZHANG Xiaochuan， YANG Xu

（China Mobile Communications Group Guangdong Co.， Ltd.， Guangzhou? 510623， China）

Abstract： In the process of IT services， there are many problems such as single satisfaction data collection， incomplete satisfaction analysis， simple satisfaction prediction mechanism， and lack of intelligent error correction mechanism for satisfaction. Therefore， a satisfaction improvement technology based on multi-source data collection and decision tree is designed. Using satisfaction decision tree model， the satisfaction data from multiple IT systems and multi-channel are normalized and integrated. Propose an intelligent calculation model for satisfaction， providing a computational basis for satisfaction management， early warning， intelligent fine-tuning， and automatic error correction. The memoization search algorithm for pruning optimization is introduced to intelligently correct the satisfaction data. By establishing a hierarchical， multi-angle， and comprehensive satisfaction management mode， IT system service satisfaction can be effectively improved， which has broad application prospects.

Keywords： multi-source data collection; pruning optimization; intelligent error correction; internal satisfaction; decision tree

0? 引? 言

數(shù)字化大潮為業(yè)務(wù)部門提供了精細(xì)運(yùn)營(yíng)、改善管理的新手段。而業(yè)務(wù)部門為了改善部門績(jī)效，吃足數(shù)字化紅利，拋出了海量且持續(xù)快速增長(zhǎng)的IT需求。IT部門在巨大的壓力下不堪重負(fù)，而業(yè)務(wù)部門對(duì)IT需求支撐和系統(tǒng)服務(wù)方面，卻越來(lái)越不滿意。因此如何高效精確地進(jìn)行IT內(nèi)部服務(wù)滿意度管理勢(shì)在必行。

現(xiàn)有主流的滿意度管理，都是針對(duì)公司某一產(chǎn)品使用的外部用戶進(jìn)行滿意度管理，通過(guò)電話、問(wèn)卷等方式，收集外部用戶對(duì)公司產(chǎn)品的使用滿意度數(shù)據(jù)，生成滿意度結(jié)果，并對(duì)這些外部用戶進(jìn)行關(guān)懷。缺少對(duì)IT服務(wù)面向的公司內(nèi)部員工的滿意度管理，導(dǎo)致公司內(nèi)部需求響應(yīng)、IT投訴方面的問(wèn)題得不到及時(shí)解決。

現(xiàn)有主流的滿意度管理實(shí)現(xiàn)功能比較單一簡(jiǎn)單，通過(guò)錄入滿意度調(diào)查問(wèn)卷、采集某個(gè)IT系統(tǒng)的滿意度信息生成滿意度結(jié)果數(shù)據(jù)，沒(méi)有從公司整體角度出發(fā)考慮滿意度管理，對(duì)公司涉及的多個(gè)業(yè)務(wù)系統(tǒng)也沒(méi)有進(jìn)行綜合考慮和滿意度關(guān)聯(lián)管理。滿意度數(shù)據(jù)來(lái)源單一，數(shù)據(jù)不全面，沒(méi)有進(jìn)行通盤考慮和關(guān)聯(lián)分析，這些因素都會(huì)影響最終的IT內(nèi)部服務(wù)質(zhì)量。

1? 現(xiàn)有IT滿意度管理存在的問(wèn)題

我們?cè)贗T服務(wù)過(guò)程中，面臨缺乏有效的內(nèi)部員工滿意度管理，滿意度數(shù)據(jù)采集單一、滿意度分析不全面、滿意度預(yù)測(cè)機(jī)制簡(jiǎn)單、缺少滿意度微調(diào)糾錯(cuò)機(jī)制等問(wèn)題。

1.1? 缺乏有效的內(nèi)部員工滿意度管理

現(xiàn)有主流的滿意度管理，都是針對(duì)公司產(chǎn)品使用的外部用戶進(jìn)行滿意度管理，并對(duì)這些外部用戶進(jìn)行關(guān)懷。缺少對(duì)IT服務(wù)面向的公司內(nèi)部員工的滿意度管理，致使公司內(nèi)部需求響應(yīng)、IT投訴方面的問(wèn)題得不到及時(shí)解決。

1.2? 滿意度分析不全面

現(xiàn)有技術(shù)方案中的滿意度原始數(shù)據(jù)采集來(lái)源都比較單一，采集來(lái)源來(lái)自某個(gè)系統(tǒng)或某批次滿意度調(diào)查數(shù)據(jù)的錄入，沒(méi)有進(jìn)行多系統(tǒng)的通盤考慮和滿意度關(guān)聯(lián)分析，沒(méi)有從公司整體角度出發(fā)考慮滿意度管理。

1.3? 滿意度預(yù)測(cè)機(jī)制簡(jiǎn)單

現(xiàn)有技術(shù)方案只涉及滿意度排名或某一項(xiàng)業(yè)務(wù)或人員滿意度情況，只是簡(jiǎn)單地進(jìn)行滿意度標(biāo)準(zhǔn)值和滿意度權(quán)重值進(jìn)行計(jì)算，在滿意度預(yù)測(cè)的精確性和全面性方面，存在較大的改善空間。

1.4? 缺少滿意度微調(diào)糾錯(cuò)機(jī)制

現(xiàn)有技術(shù)方案輸出的滿意度結(jié)果數(shù)據(jù)出現(xiàn)誤差或紕漏情況，需要人工介入調(diào)整，修正難度大而且容易出現(xiàn)差錯(cuò)。

2? 滿意度提升技術(shù)方案

為了解決上述技術(shù)問(wèn)題，在目前主流滿意度架構(gòu)模型的基礎(chǔ)上，結(jié)合運(yùn)營(yíng)商的業(yè)務(wù)支撐系統(tǒng)、經(jīng)營(yíng)分析系統(tǒng)、在線支撐系統(tǒng)、IT工單系統(tǒng)等滿意度數(shù)據(jù)收集處理流程特點(diǎn)，提供了一種基于多源數(shù)據(jù)匯集和決策樹(shù)的滿意度提升技術(shù)，具體為：

1）多源系統(tǒng)的滿意度數(shù)據(jù)獲取和融合：針對(duì)公司內(nèi)部IT使用人員，支持從多個(gè)IT系統(tǒng)中獲取滿意度原始數(shù)據(jù)，并對(duì)結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等多種滿意度數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和歸一化處理和融合。

2）決策樹(shù)存儲(chǔ)和智能計(jì)算：滿意度原始數(shù)據(jù)在標(biāo)準(zhǔn)化、歸一化處理后，構(gòu)造決策樹(shù)模型和各項(xiàng)滿意度指標(biāo)智能計(jì)算方法，輸出人員部門、IT服務(wù)、時(shí)間等多維度系統(tǒng)滿意度數(shù)據(jù)和滿意度發(fā)展趨勢(shì)信息，為滿意度預(yù)警算法和滿意度微調(diào)算法奠定了存儲(chǔ)基礎(chǔ)和計(jì)算基礎(chǔ)。

3）基于決策樹(shù)模型的滿意度預(yù)警機(jī)制：基于決策樹(shù)模型，對(duì)滿意度偏低、滿意度大幅度下降的人員部門、IT服務(wù)進(jìn)行實(shí)時(shí)預(yù)警，同時(shí)針對(duì)多系統(tǒng)和多人員的滿意度情況進(jìn)行通盤考慮和關(guān)聯(lián)分析，從公司整體角度找出不滿意本質(zhì)原因并進(jìn)行針對(duì)性解決。

4）基于記憶化搜索的滿意度智能糾錯(cuò)機(jī)制：基于剪枝優(yōu)化后的記憶化搜索算法，進(jìn)行滿意度智能微調(diào)和自動(dòng)糾錯(cuò)，在滿意度數(shù)據(jù)出現(xiàn)偏差時(shí)及時(shí)準(zhǔn)確地修正，保障滿意度預(yù)警和不滿意因素處理的準(zhǔn)確性，避免出現(xiàn)IT服務(wù)的重大偏差及系統(tǒng)的重大故障。

通過(guò)打造了一套完備的IT內(nèi)部服務(wù)滿意提升技術(shù)，不斷提高IT內(nèi)部服務(wù)滿意度，讓IT系統(tǒng)的使用更符合實(shí)際應(yīng)用和業(yè)務(wù)要求，減少公司的業(yè)務(wù)損失，達(dá)到降本增效目的。

3? 滿意度提升技術(shù)實(shí)現(xiàn)

3.1? 多源系統(tǒng)的滿意度數(shù)據(jù)匯集和融合

本系統(tǒng)從多源系統(tǒng)里獲取滿意度原始數(shù)據(jù)，包括業(yè)務(wù)支撐系統(tǒng)、客服系統(tǒng)、經(jīng)營(yíng)分析系統(tǒng)、IT工單系統(tǒng)以及滿意度數(shù)據(jù)錄入等多個(gè)渠道，實(shí)時(shí)獲取需求、投訴、故障等滿意度原始數(shù)據(jù)。獲取的數(shù)據(jù)包括結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，通過(guò)識(shí)別、解釋、歸一化處理后生成標(biāo)準(zhǔn)化滿意度原始數(shù)據(jù)。

多源系統(tǒng)滿意度數(shù)據(jù)的匯集和融合主要流程如圖1所示。每個(gè)子系統(tǒng)采集過(guò)來(lái)的滿意度原始數(shù)據(jù)格式不一樣，從接口內(nèi)容協(xié)議配置中獲取對(duì)應(yīng)的協(xié)議解釋信息，從中分揀出與滿意度相關(guān)的時(shí)間、員工、渠道、系統(tǒng)、業(yè)務(wù)、滿意度情況等關(guān)鍵信息，通過(guò)滿意度基礎(chǔ)信息標(biāo)簽庫(kù)、人員信息標(biāo)簽庫(kù)進(jìn)行進(jìn)一步解釋處理，將業(yè)務(wù)類型、員工歸屬等信息細(xì)化和融合，生成滿意度標(biāo)準(zhǔn)化原始數(shù)據(jù)。采集過(guò)來(lái)的滿意度原始數(shù)據(jù)如無(wú)法解釋處理，通過(guò)人工介入處理后再生成滿意度標(biāo)準(zhǔn)化原始數(shù)據(jù)。

3.2? 構(gòu)建滿意度決策樹(shù)存儲(chǔ)模塊

滿意度記錄存儲(chǔ)數(shù)據(jù)為：時(shí)間、系統(tǒng)、滿意度一級(jí)分類、滿意度二級(jí)分類、滿意度三級(jí)分類、員工姓名、員工部門、部門歸屬、是否滿意、備注等。存儲(chǔ)模塊中引入數(shù)據(jù)管理模塊，管理模塊主要負(fù)責(zé)數(shù)據(jù)清理備份、索引優(yōu)化等數(shù)據(jù)管理任務(wù)。

滿意度決策樹(shù)存儲(chǔ)模塊是滿意度提升技術(shù)的核心，根據(jù)歸一化、標(biāo)準(zhǔn)化后的滿意度原始數(shù)據(jù)計(jì)算各個(gè)時(shí)間點(diǎn)或時(shí)間段內(nèi)、業(yè)務(wù)、員工、部門等多個(gè)維度的滿意度標(biāo)準(zhǔn)分、權(quán)重值、權(quán)重比和預(yù)警值等滿意度指標(biāo)信息，用決策樹(shù)數(shù)據(jù)結(jié)構(gòu)進(jìn)行存儲(chǔ)，后續(xù)通過(guò)智能計(jì)算，為滿意度分析預(yù)警裝置生成滿意度決策點(diǎn)、滿意度熱點(diǎn)報(bào)表、明細(xì)報(bào)表、不滿意占比圖表、滿意度趨勢(shì)圖和分級(jí)預(yù)警等提供數(shù)據(jù)支撐。

本模塊引入滿意度標(biāo)準(zhǔn)分、權(quán)重值、權(quán)重比和預(yù)警值四個(gè)滿意度概念詞，并以決策樹(shù)數(shù)據(jù)結(jié)構(gòu)進(jìn)行存儲(chǔ)：

1）滿意度標(biāo)準(zhǔn)分S：某個(gè)員工或部門對(duì)某個(gè)IT服務(wù)小類的滿意度歸一化和標(biāo)準(zhǔn)化的得分。第i個(gè)節(jié)點(diǎn)（可為某個(gè)員工或某個(gè)部門）員工或部門第j個(gè)滿意度指標(biāo)（可為滿意度一級(jí)指標(biāo)、二級(jí)指標(biāo)或三級(jí)指標(biāo)）在時(shí)間k點(diǎn)（可為時(shí)間區(qū)間或某個(gè)時(shí)間點(diǎn)）滿意度標(biāo)準(zhǔn)分Sijk計(jì)算式如下：

N為該節(jié)點(diǎn)下不滿意人員數(shù)，當(dāng)N為1時(shí)表示一人不滿意；M為在該時(shí)間點(diǎn)的滿意度采集量；Pj為第j個(gè)滿意度指標(biāo)權(quán)重系數(shù)；引入對(duì)數(shù)函數(shù)log2N為不滿意人數(shù)越多不滿意度得分越高。

2）滿意度權(quán)重值W：根據(jù)IT服務(wù)的重要程度，通過(guò)與滿意度標(biāo)準(zhǔn)分關(guān)聯(lián)計(jì)算出可以衡量某個(gè)員工或部門某個(gè)IT服務(wù)小類的與滿意度重要程度相關(guān)的滿意度得分?jǐn)?shù)值。用滿意度權(quán)重值可以算出各員工部門或IT服務(wù)分類的滿意度排名情況。

第i個(gè)節(jié)點(diǎn)（可為某個(gè)員工或某個(gè)部門）員工或部門第j個(gè)滿意度指標(biāo)（可為滿意度一級(jí)指標(biāo)、二級(jí)指標(biāo)或三級(jí)指標(biāo)）在時(shí)間k點(diǎn)（可為時(shí)間區(qū)間或某個(gè)時(shí)間點(diǎn)）滿意度權(quán)重值Wijk計(jì)算式如下：

Oij為該節(jié)點(diǎn)微調(diào)系數(shù)，初始值為1，人工介入后需增加該節(jié)點(diǎn)權(quán)重值，可將Oij設(shè)置大于1，反之設(shè)置為0至1之間。

3）滿意度權(quán)重比V：根據(jù)某個(gè)人員或部門某個(gè)IT服務(wù)小類的滿意度權(quán)重值，計(jì)算出其在某個(gè)IT系統(tǒng)、某個(gè)IT服務(wù)或某個(gè)部門的占比情況。

第i個(gè)節(jié)點(diǎn)（可為某個(gè)員工或某個(gè)部門）員工或部門第j個(gè)滿意度指標(biāo)（可為滿意度一級(jí)指標(biāo)、二級(jí)指標(biāo)或三級(jí)指標(biāo)）在時(shí)間k點(diǎn)（可為時(shí)間區(qū)間或某個(gè)時(shí)間點(diǎn)）滿意度權(quán)重比Vijk計(jì)算式如下：

4）滿意度預(yù)警值E：通過(guò)關(guān)聯(lián)滿意度權(quán)重值計(jì)算得出的某個(gè)人員或部門某個(gè)IT服務(wù)小類的預(yù)警評(píng)估值，用該數(shù)值與事先配置的預(yù)警閾值進(jìn)行比對(duì)后進(jìn)行預(yù)警處理。

第i個(gè)節(jié)點(diǎn)（可為某個(gè)員工或某個(gè)部門）員工或部門第j個(gè)滿意度指標(biāo)（可為滿意度一級(jí)指標(biāo)、二級(jí)指標(biāo)或三級(jí)指標(biāo)）在時(shí)間k點(diǎn)（可為時(shí)間區(qū)間或某個(gè)時(shí)間點(diǎn)）滿意度預(yù)警值Eijk計(jì)算式如下：

其中，N為該節(jié)點(diǎn)下不滿意人員數(shù)。

5）差值增量趨勢(shì)率Q：計(jì)算某個(gè)時(shí)間段內(nèi)時(shí)間點(diǎn)從1到n的滿意度權(quán)重值差值增量趨勢(shì)率計(jì)算式如下：

通過(guò)提取不同開(kāi)始時(shí)間點(diǎn)到指定結(jié)束時(shí)間的滿意度權(quán)重值，經(jīng)過(guò)多次迭代計(jì)算可以提高趨勢(shì)預(yù)測(cè)數(shù)據(jù)精準(zhǔn)率，差值增量趨勢(shì)率絕對(duì)值越大滿意度波動(dòng)越大，滿意度權(quán)重值差值增長(zhǎng)率為正表示滿意度權(quán)重值在增加，滿意度在下降，滿意度權(quán)重值差值增長(zhǎng)率為負(fù)表示滿意度權(quán)重值在降低，滿意度在上升，有正有表示在上下波動(dòng)。

各個(gè)系統(tǒng)上的每一種滿意度指標(biāo)或IT服務(wù)類型不同，緊急程度和重要程度都不同，IT服務(wù)越敏感、影響程度越大對(duì)于滿意度的影響程度越大，在不滿意投訴量相等的情況下越容易觸發(fā)預(yù)警。因此引入滿意度權(quán)重系數(shù)來(lái)計(jì)算滿意度評(píng)分信息，IT服務(wù)越重要滿意度權(quán)重系數(shù)越大。

滿意度權(quán)重系數(shù)在滿意度指標(biāo)關(guān)鍵信息模型中進(jìn)行配置管理。滿意度指標(biāo)關(guān)鍵信息模型主要包括滿意度唯一標(biāo)識(shí)、滿意度歸屬的IT系統(tǒng)、IT服務(wù)分類、指標(biāo)級(jí)別、權(quán)重系數(shù)、預(yù)警閾值等信息。舉例說(shuō)明如表1所示。

滿意度計(jì)算評(píng)測(cè)模塊通過(guò)構(gòu)造樹(shù)形數(shù)據(jù)結(jié)構(gòu)模型，使用因子分析和聚合聚類分析方法對(duì)滿意度標(biāo)準(zhǔn)化原始數(shù)據(jù)分析計(jì)算，將員工、IT服務(wù)小類設(shè)計(jì)為兩個(gè)不同維度的基礎(chǔ)因子，以這兩個(gè)因子的不同組合組成細(xì)粒度滿意度數(shù)據(jù)，然后根據(jù)員工組織結(jié)構(gòu)和IT服務(wù)分類等級(jí)梯度自下向上聚合聚類，計(jì)算出不同員工組織結(jié)構(gòu)、不同IT服務(wù)大小維度的粗粒度滿意度數(shù)據(jù)。

3.3? 記憶化搜索算法智能微調(diào)和自動(dòng)糾錯(cuò)

滿意度分析預(yù)警模塊生成滿意度告警數(shù)據(jù)后，IT負(fù)責(zé)人對(duì)這部分?jǐn)?shù)據(jù)進(jìn)行及時(shí)分析、核實(shí)和處理。IT負(fù)責(zé)人通過(guò)故障處理、流程優(yōu)化、人員關(guān)懷等措施提高了某個(gè)IT服務(wù)或某個(gè)部門員工滿意度后，滿意度決策樹(shù)上的某些節(jié)點(diǎn)上的滿意度標(biāo)準(zhǔn)分、權(quán)重值需要進(jìn)行相應(yīng)的微調(diào)或糾錯(cuò)。

滿意度數(shù)據(jù)的智能微調(diào)糾錯(cuò)功能由滿意度微調(diào)糾錯(cuò)模塊實(shí)現(xiàn)。滿意度決策樹(shù)上的每個(gè)節(jié)點(diǎn)每個(gè)滿意度指標(biāo)對(duì)應(yīng)一個(gè)滿意度微調(diào)系數(shù)，滿意度微調(diào)系數(shù)默認(rèn)為1。IT負(fù)責(zé)人可在客戶端修改微調(diào)系數(shù)并輸入微調(diào)系數(shù)生效的開(kāi)始時(shí)間點(diǎn)和結(jié)束時(shí)間點(diǎn)，這樣可對(duì)某個(gè)員工或部門對(duì)某個(gè)IT服務(wù)在某段時(shí)間內(nèi)的滿意度評(píng)分?jǐn)?shù)據(jù)進(jìn)行微調(diào)。

IT負(fù)責(zé)人提交滿意度微調(diào)系數(shù)修改后，滿意度數(shù)據(jù)開(kāi)始重新計(jì)算，從滿意度決策樹(shù)上此節(jié)點(diǎn)出發(fā)到樹(shù)根路徑上所經(jīng)過(guò)的所有節(jié)點(diǎn)都需重跑滿意度數(shù)據(jù)。后續(xù)觸發(fā)滿意度分析預(yù)警裝置重新處理更新滿意度數(shù)據(jù)和預(yù)警信息。相關(guān)節(jié)點(diǎn)滿意度數(shù)據(jù)智能微調(diào)糾錯(cuò)關(guān)鍵點(diǎn)和流程：

3.3.1? 剪枝優(yōu)化

我們?cè)谇髽?shù)的深度時(shí)使用深度搜索算法對(duì)不滿意數(shù)據(jù)進(jìn)行了一次遍歷，用于記錄搜索結(jié)果，在微調(diào)糾錯(cuò)模塊中復(fù)用這個(gè)搜索結(jié)果，在后面的搜索中進(jìn)行剪枝優(yōu)化。如圖2所示，比如OA系統(tǒng)的頁(yè)面出錯(cuò)故障，對(duì)本次滿意度預(yù)警和滿意度微調(diào)無(wú)關(guān)，可以直接剪枝。

3.3.2? 記憶化搜索

在搜索微調(diào)每個(gè)節(jié)點(diǎn)時(shí)，先判斷該節(jié)點(diǎn)的值是否曾經(jīng)微調(diào)過(guò)，如果曾經(jīng)微調(diào)過(guò)，直接拿過(guò)來(lái)使用；如果沒(méi)有微調(diào)過(guò)，遞歸微調(diào)，并存儲(chǔ)該微調(diào)結(jié)果。具體步驟如下：

1）創(chuàng)建訪問(wèn)路徑堆棧用于存儲(chǔ)滿意度決策樹(shù)上的被訪問(wèn)節(jié)點(diǎn)，和搜索結(jié)果（用于剪枝）。

2）采用深度優(yōu)先遍歷算法（DFS搜索算法）從樹(shù)根開(kāi)始遍歷滿意度決策樹(shù)，當(dāng)往下搜索時(shí)向堆棧添加被訪問(wèn)節(jié)點(diǎn)元素（堆棧的入棧push操作），向上返回時(shí)刪除最后一個(gè)被訪問(wèn)節(jié)點(diǎn)元素（堆棧的出棧pop操作），直至搜索到目標(biāo)節(jié)點(diǎn)。如圖3所示。

搜索過(guò)程中，會(huì)進(jìn)行相應(yīng)的剪枝處理，提高搜索效率。如圖4所示，葉子節(jié)點(diǎn)T6為目標(biāo)調(diào)整節(jié)點(diǎn)，那么會(huì)對(duì)T1和T2及他們的分支都進(jìn)行剪枝處理，提高搜索效率。

3）如果目標(biāo)節(jié)點(diǎn)為葉子節(jié)點(diǎn)則返回訪問(wèn)路徑堆棧，計(jì)算過(guò)程中先判斷該節(jié)點(diǎn)的值是否曾經(jīng)微調(diào)過(guò)，僅對(duì)沒(méi)有微調(diào)過(guò)的節(jié)點(diǎn)進(jìn)行重新計(jì)算。如圖5所示，葉子節(jié)點(diǎn)T6為目標(biāo)調(diào)整節(jié)點(diǎn)，返回的訪問(wèn)路徑堆棧元素為T0、T2、T6，對(duì)這三個(gè)節(jié)點(diǎn)進(jìn)行滿意度微調(diào)。

4）如果目標(biāo)節(jié)點(diǎn)為非葉子節(jié)點(diǎn)，為保證能使?jié)M意度決策樹(shù)上的上下節(jié)點(diǎn)數(shù)據(jù)保持一致，該目標(biāo)節(jié)點(diǎn)下的所有節(jié)點(diǎn)都應(yīng)重新計(jì)算滿意度數(shù)據(jù)。對(duì)于非葉子的目標(biāo)節(jié)點(diǎn)，采用廣度優(yōu)先遍歷算法（BFS搜索算法）從目標(biāo)節(jié)點(diǎn)開(kāi)始繼續(xù)遍歷以此節(jié)點(diǎn)為樹(shù)根節(jié)點(diǎn)下的所有節(jié)點(diǎn)，每訪問(wèn)的一個(gè)節(jié)點(diǎn)都依次存放到訪問(wèn)路徑堆棧中。

如圖6所示，非葉子節(jié)點(diǎn)T2為目標(biāo)調(diào)整節(jié)點(diǎn)，返回的訪問(wèn)路徑堆棧元素為T0、T2、T6、T7，對(duì)這四個(gè)節(jié)點(diǎn)進(jìn)行滿意度微調(diào)。

5）根據(jù)返回的訪問(wèn)路徑堆棧從最后一個(gè)元素開(kāi)始重新按照滿意度標(biāo)準(zhǔn)分、權(quán)重值、預(yù)警值計(jì)算公式重新計(jì)算并更新該節(jié)點(diǎn)的滿意度數(shù)據(jù)，完成滿意度智能微調(diào)糾錯(cuò)。

4? 結(jié)? 論

基于多源數(shù)據(jù)匯集和決策樹(shù)的滿意度提升技術(shù)，針對(duì)公司內(nèi)部員工對(duì)IT服務(wù)的不滿意進(jìn)行預(yù)警，從公司整體角度考慮進(jìn)行預(yù)警，著眼于精確預(yù)警和多系統(tǒng)、多人員的關(guān)聯(lián)預(yù)警。

該技術(shù)利用滿意度決策樹(shù)模型，對(duì)多IT系統(tǒng)和多渠道來(lái)源的滿意度數(shù)據(jù)進(jìn)行了歸一化處理和融合，處理效率高，分析和統(tǒng)計(jì)滿意度方便，是滿意度預(yù)警算法和滿意度微調(diào)算法的數(shù)據(jù)存儲(chǔ)基礎(chǔ)。引入了剪枝優(yōu)化的記憶化搜索算法，通過(guò)該算法進(jìn)行滿意度數(shù)據(jù)的智能糾錯(cuò)，在滿意度數(shù)據(jù)出現(xiàn)偏差時(shí)及時(shí)準(zhǔn)確地進(jìn)行修正，保障滿意度預(yù)警及不滿意因素處理的準(zhǔn)確性，大大減少的人工檢查和人工修正工作量，節(jié)省人力成本。

該技術(shù)適用于針對(duì)多IT系統(tǒng)的服務(wù)滿意度管理涉及的系統(tǒng)設(shè)計(jì)、滿意度指標(biāo)計(jì)算、滿意度數(shù)據(jù)智能糾錯(cuò)范疇，立足于公司或部門整體角度考慮的IT系統(tǒng)服務(wù)不滿意問(wèn)題解決，從時(shí)間、IT服務(wù)大小類、部門架構(gòu)等不同維度的滿意度進(jìn)行監(jiān)控、本質(zhì)原因分析和報(bào)表輸出，可有效提升IT系統(tǒng)服務(wù)滿意度，具備廣泛的使用前景。

參考文獻(xiàn)：

[1] 王冠宇.ExtJs框架在社區(qū)信息服務(wù)系統(tǒng)滿意度中的應(yīng)用研究 [J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2012（6）：36-38.

[2] 張佳鈺，寇金橋，劉寧鐘.基于濾波器分布擬合的神經(jīng)網(wǎng)絡(luò)剪枝算法 [J].計(jì)算機(jī)技術(shù)與發(fā)展，2022，32（12）：136-141.

[3] 周翔宇，高仲合，趙镥瑤，等.剪枝優(yōu)化的文本區(qū)域檢測(cè)算法 [J].計(jì)算機(jī)與數(shù)字工程，2022，50（9）：2059-2064.

[4] 李屹，魏建國(guó)，劉貫偉.模型剪枝算法綜述 [J].計(jì)算機(jī)與現(xiàn)代化，2022（9）：51-59.

[5] 王偉，王彬.基于記憶化搜索的RFID防碰撞算法 [J].計(jì)算機(jī)工程，2017，43（8）：132-137+143.

[6] 萬(wàn)朵，胡謀法，肖山竹，等.面向邊緣智能計(jì)算的異構(gòu)并行計(jì)算平臺(tái)綜述 [J].計(jì)算機(jī)工程與應(yīng)用，2023，59（1）：15-25.

[7] 聶婕，左子杰，黃磊，等.面向海洋的多模態(tài)智能計(jì)算：挑戰(zhàn)、進(jìn)展和展望 [J].中國(guó)圖象圖形學(xué)報(bào)，2022，27（9）：2589-2610.

[8] 韓廷錦.基于多源數(shù)據(jù)融合的智慧公共文化服務(wù)體系研究 [J].信息技術(shù)與信息化，2022（12）：132-135.

[9] 潘建宏，王磊，樊家樹(shù)，等.一種基于知識(shí)圖譜技術(shù)的多源異構(gòu)數(shù)據(jù)融合、共享方法 [J].電子設(shè)計(jì)工程，2022，30（23）：185-188+193.

[10] 錢肖，馬翔，呂磊炎，等.基于知識(shí)圖譜的電網(wǎng)調(diào)度告警關(guān)聯(lián)規(guī)則與決策樹(shù)算法 [J].電氣傳動(dòng)，2022，52（22）：60-65.

作者簡(jiǎn)介：劉敏（1975—），女，漢族，浙江臺(tái)州人，工程師，碩士，研究方向：大數(shù)據(jù)、人工智能等；張曉川（1971—），男，漢族，廣東龍川人，正高級(jí)工程師，碩士，研究方向：大數(shù)據(jù)、人工智能等；楊旭（1976—），男，漢族，湖南長(zhǎng)沙人，工程師，學(xué)士，研究方向：大數(shù)據(jù)、人工智能等。

收稿日期：2023-02-09