—Ticket annotation and search has b

—Ticket annotation and search has become an
essential research subject for the successful delivery of IT
operational analytics. Millions of tickets are created yearly to
address business users’ IT related problems. In IT service desk
management, it is critical to first capture the pain points for a
group of tickets to determine root cause; secondly, to obtain the
respective distributions in order to layout the priority of
addressing these pain points. An advanced ticket analytics system
utilizes a combination of topic modeling, clustering and
Information Retrieval (IR) technologies to address the above
issues and the corresponding architecture which integrates of
these features will allow for a wider distribution of this
technology and progress to a significant financial benefit for the
system owner. Topic modeling has been used to extract topics
from given documents; in general, each topic is represented by a
unigram language model. However, it is not clear how to
interpret the results in an easily readable/understandable way
until now. Due to the inefficiency to render top concepts using
existing techniques, in this paper, we propose a probabilistic
framework, which consists of language modeling (especially the
topic models), Part-Of-Speech (POS) tags, query expansion,
retrieval modeling and so on for the practical challenge. The
rigorously empirical experiments demonstrate the consistent and
utility performance of the proposed method on real datasets.

ผลลัพธ์ (ไทย) 1:

– ตั๋วอธิบาย และค้นหาได้กลายเป็นการเรื่องวิจัยที่จำเป็นสำหรับการจัดส่งที่ประสบความสำเร็จของวิเคราะห์การดำเนินงาน ล้านตั๋วมีสร้างปีรายชื่อธุรกิจของผู้ใช้จะเกี่ยวข้องกับปัญหา ในบริการโต๊ะจัดการ จึงสำคัญกับแรกจับจุดปวดเป็นกลุ่มของตั๋วเพื่อกำหนดสาเหตุราก ประการที่สอง ได้รับการการกระจายตามลำดับในใบสั่งเค้าโครงลำดับความสำคัญของกำหนดจุดอาการปวดเหล่านี้ ระบบการวิเคราะห์ขั้นสูงตั๋วใช้การรวมกันของโมเดลหัวข้อ คลัสเตอร์ และเทคโนโลยีการเรียกข้อมูล (IR) ที่อยู่ข้างต้นปัญหาและสถาปัตยกรรมที่สอดคล้องกันซึ่งรวมของคุณลักษณะเหล่านี้จะช่วยให้การกระจายกว้างนี้เทคโนโลยีและความก้าวหน้าให้ความสำคัญทางการเงินได้รับประโยชน์ในการเจ้าของระบบ มีการใช้โมเดลหัวข้อแยกหัวข้อจากได้รับเอกสาร ทั่วไป แสดงแต่ละหัวข้อตามแบบจำลองภาษา unigram อย่างไรก็ตาม ไม่ชัดเจนว่าแปลผลในลักษณะง่าย ๆ อ่าน/เข้าใจผิดจนถึงขณะนี้ จาก inefficiency แสดงโรงแรมยอดนิยมในแนวคิดโดยใช้เทคนิคที่มีอยู่ ในเอกสารนี้ เราเสนอการ probabilisticกรอบ ซึ่งประกอบด้วยโมเดลภาษา (โดยเฉพาะอย่างยิ่งการหัวข้อรูปแบบ), แท็กส่วนของเสียง (POS) แบบสอบถามขยายเรียกโมเดลและสำหรับความท้าทายในการปฏิบัติ ที่ทดสอบผลการทดลองที่แสดงให้เห็นถึงการสอดคล้อง และประสิทธิภาพของโปรแกรมอรรถประโยชน์ของวิธีการนำเสนอบน datasets จริง

ผลลัพธ์ (ไทย) 2:

คำอธิบายประกอบ -Ticket และการค้นหาได้กลายเป็นเรื่องการวิจัยที่จำเป็นสำหรับการจัดส่งที่ประสบความสำเร็จของไอทีวิเคราะห์การดำเนินงาน ล้านของตั๋วที่ถูกสร้างขึ้นเป็นประจำทุกปีจะอยู่ที่ผู้ใช้ทางธุรกิจ 'ปัญหาที่เกี่ยวข้องกับไอที ในแผนกบริการไอทีจัดการมันเป็นสิ่งสำคัญที่จะเป็นครั้งแรกจับจุดปวดสำหรับกลุ่มของบัตรเข้าชมการตรวจสอบสาเหตุที่แท้จริง; ประการที่สองที่จะได้รับการกระจายที่เกี่ยวข้องเพื่อจัดลำดับความสำคัญรูปแบบของที่อยู่จุดปวดเหล่านี้ ขั้นสูงระบบการวิเคราะห์ตั๋วใช้การรวมกันของการสร้างแบบจำลองหัวข้อการจัดกลุ่มและดึงข้อมูล(IR) เทคโนโลยีเพื่อที่อยู่ข้างต้นปัญหาและสถาปัตยกรรมที่สอดคล้องกันซึ่งรวมของคุณสมบัติเหล่านี้จะช่วยให้การกระจายในวงกว้างนี้เทคโนโลยีและความคืบหน้าในการได้รับประโยชน์ทางการเงินที่สำคัญสำหรับเจ้าของระบบ การสร้างแบบจำลองหัวข้อที่ได้รับการใช้ในการสกัดหัวข้อจากเอกสารที่ได้รับ; โดยทั่วไปแต่ละหัวข้อเป็นตัวแทนจากunigram รูปแบบภาษา แต่ก็ไม่ชัดเจนว่าการแปลผลในอ่านได้ง่าย / วิธีการที่เข้าใจได้จนถึงขณะนี้ เนื่องจากการขาดประสิทธิภาพในการแสดงผลแนวความคิดด้านบนโดยใช้เทคนิคที่มีอยู่ในบทความนี้เรานำเสนอความน่าจะเป็นกรอบการทำงานซึ่งประกอบด้วยการสร้างแบบจำลองภาษา(โดยเฉพาะรุ่นหัวข้อ) Part-Of-Speech (POS) แท็กการขยายการค้นหา, การสร้างแบบจำลองการดึงและ อื่น ๆ สำหรับความท้าทายในทางปฏิบัติ การทดลองเชิงประจักษ์อย่างจริงจังแสดงให้เห็นถึงความสอดคล้องกันและประสิทธิภาพการทำงานของยูทิลิตี้ของวิธีการที่นำเสนอในชุดข้อมูลที่แท้จริง

ผลลัพธ์ (ไทย) 3:

- การจัดการและการค้นหาตั๋วได้กลายเป็นหัวข้อการวิจัยที่จำเป็นสำหรับความสำเร็จ

ส่งของการวิเคราะห์การปฏิบัติงาน ล้านตั๋วสร้างปี

ที่อยู่ธุรกิจของผู้ใช้มัน กับปัญหา ในโต๊ะบริการการจัดการ มันเป็นสิ่งสำคัญที่จะแรกจับปวดจุดสำหรับ
กลุ่มตั๋วเพื่อตรวจสอบสาเหตุ ; ประการที่สองเพื่อขอรับ
การกระจายที่เกี่ยวข้องในการสั่งซื้อการลําดับความสําคัญของ
เรียกคะแนนความเจ็บปวดเหล่านี้ ขั้นสูงการวิเคราะห์ระบบตั๋ว
ใช้รวมกันของแบบจำลองหัวข้อ แบ่งกลุ่มและ
สืบค้นสารสนเทศ ( IR ) เทคโนโลยีเพื่อแก้ไขปัญหาข้างต้น
และสถาปัตยกรรมที่สอดคล้องกันซึ่งรวมของ
คุณลักษณะเหล่านี้จะอนุญาตให้มีการกระจายที่กว้างขึ้นนี้
เทคโนโลยีและความก้าวหน้าเพื่อผลประโยชน์ทางการเงินที่สำคัญสำหรับเจ้าของ
ระบบ แบบหัวข้อถูกใช้เพื่อแยกหัวข้อ
จากได้รับเอกสาร ทั่วไป แต่ละหัวข้อจะถูกแทนด้วย
unigram แบบจำลองภาษา อย่างไรก็ตาม ไม่เป็นที่ชัดเจนว่าวิธีการ
ตีความผลลัพธ์ในอ่าน / เข้าใจได้ง่ายวิธี
จนถึงตอนนี้ เนื่องจากประสิทธิภาพในการแสดงแนวคิดด้านบนใช้
เทคนิคที่มีอยู่ในกระดาษนี้เรานำเสนอความน่าจะเป็น
ซึ่งประกอบด้วยแบบจำลองภาษา ( โดยเฉพาะ
หัวข้อรุ่น ) , ส่วนของคำพูด ( POS ) , การสอบถาม , การสร้าง ,
และอื่น ๆสำหรับความท้าทายในทางปฏิบัติ
อย่างจริงจังเชิงประจักษ์การทดลองแสดงความสอดคล้องและประสิทธิภาพสาธารณูปโภค
ของวิธีที่นำเสนอในข้อมูลที่แท้จริง