面向大规模复杂服务系统隐性需求挖掘的行为分析

In the modern service industry, the users have some users’ implicit requirements, e.g. service availability. They are usually hard to access, which increase the difficulty of service design. To support implicit requirement mining, this project concentrates on the user’s behavior in services and introduces a novel computing theory for service behavior modeling and analyzing. Three points are considered in this project: individual behavior model, population model, and group model. Individual model majorly estimates the reward function and user policy to find out the motivation behind the behaviors. Population model considers the similarity and dissimilarity among users’ behavior patterns. Group model aims to analyze a group of users who complete the same task by cooperation. It estimates the shared reward function with the private one for each user. This project involves the data from online game records of Netease Inc., investment records of Hexin Inc. and workflow records of Alibaba Inc. to evaluate the effectiveness and efficiency.

现代服务业中用户的除了显性的功能需求之外，还有很多隐性的需求，例如服务的可用性。隐性需求往往隐藏在行为的背后，难以直接获取，使得服务设计非常困难。因此迫切需要对服务中参与者的行为进行建模分析，用于辅助评估设计方案的好坏。鉴于此，课题拟提出一套用于服务行为建模和分析的计算理论，以支持服务的隐性需求挖掘。课题拟从个体行为、群体行为和团队行为三个不同角度，为服务行为设计精确的量化的分析模型。个体行为模型考虑服务系统中独立的个体，关注于分析个体的行为背后的动机与意图，建立行为克隆；群体行为模型考虑服务系统中的群体，关注于分析分析群体中个体之间行为模式的相似性与差异性；团队行为模型考虑服务系统中互相协作的多个个体，关注于对团队中个体之间的相互影响进行建模，以估计个体会如何平衡群体目标和自己的个体目标。课题拟在网易多人在线游戏、同花顺金融投资和阿里巴巴流程服务场景下，对提出的技术与理论进行验证。

现代服务业中用户的除了显性的功能需求之外，还有很多隐性的需求，例如服务的可用性。隐性需求往往隐藏在行为的背后，难以直接获取，使得服务设计非常困难。因此迫切需要对服务中参与者的行为进行建模分析，用于辅助评估设计方案的好坏。鉴于此，课题提出了一套用于服务行为建模和分析的计算理论，以支持服务的隐性需求挖掘。本项目从前期可行性研究以及立项正式开展以来，项目整体上进展顺利。主要在“面向个体服务参与者的行为模型”、“ 面向群体服务参与者的行为模型”以及“面向团队服务参与者的行为模型”等三方面取得进展。项目所提出模型的有效性已经在真实应用场景中得到了验证。目前已发表或录用论文5篇，其中SCI期刊2篇。申请专利3项，其中1项已经授权。