利用分类器集成对无结构 IT 服务台工单进行分类

IT 服务台工单的人工分类可能导致工单被路由至错误的解决组。IT 服务台工单的错误分配会导致工单被重新分配、不必要的资源消耗并延误解决时间。传统机器学习算法可用于自动分类 IT 服务台工单。通过挖掘历史无结构工单描述及其对应标签，可训练服务台工单分类器模型。随后该模型可用于根据工单描述对新服务台工单进行分类。传统分类器系统的性能可通过使用多种分类技术集成进一步提升。本文提出了三种最流行的集成方法，即 Bagging、Boosting 和 Voting 集成，用于合并不同模型的预测以进一步提升工单分类系统的准确率。使用多种性能指标将集成分类器系统与各基分类器进行对比检验。分类器集成相较于相应基分类器表现更优。构建此类自动化工单分类系统的优势在于简化用户界面、加快解决时间、提升生产率、客户满意度和业务增长。本研究使用了来自某大型企业 IT 基础设施的真实服务台工单数据。