Page 86 - 《软件学报》2021年第11期

3412 Journal of Software 软件学报 Vol.32, No.11, November 2021

数据量过多时,相似度计算量很大,因此在调用相似度计算中加入了差错处理,并考虑服务器每秒的响应请
求数,也即是最大吞吐能力,在每条相似度计算完成后,间隔 0.5s 再输入数据,满足大部分服务器的 QPS(query
per second)每秒查询率限制.

3.3 现实空间的服务能力成熟度
从物理世界的角度出发,关注现实空间的属性特征,分析业务员的服务成熟度.通过分析固有属性特征对于
服务执行的影响,为其建立分级映射机制,以推荐服务成熟度更高的业务员.例如,业务员的等级和其所处机构
的等级是用户自选业务员时会考虑到的两个特征,等级越高,对于任务的执行可能越有利.故将特征等级与分数
通过公式(6)建立映射,使各属性等级对应的分数都处于[1,5]之间,与用户评级等其他方面的分数保持区间一致:
f j
5
socre =⋅ (6)
j
feature
其中,feature 表示特征的级别总数,f j 表示业务员 j 关于该特征的等级,score j 表示业务员 j 在该特征上的得分.由
于数据来源的限制,这里只考虑机构等级和业务员自身等级两个相关特征.
将属性特征得分与用户满意度得分结合,选取最适合执行该项任务的业务员.如算法 3 所示,在算法 2 中得
出的备选业务员集合中,根据业务员等级计算等级得分,由机构等级计算机构得分,再与用户评价得分等各项得
分加权相加得出最终得分,选出得分最高的业务员.
算法 3. 最终得分算法.
输入:用户满意度算法计算出的评分表 su,内容匹配度排序算法得到的备选业务员集合 v.
输出:最终被分配的业务员集合 v.
1. Begin
2. For i←1 to U.length
3. For j←1 to v i .length do
4. si j ←institution j ;
5. sl j ←level j ;
6. ... //依次计算各项得分
7. L[i][j]←α⋅su j +β⋅si j +γ⋅sl j +…; //计算最终得分
8. End for
9. Sort(v i ,L[i][j]); //按最终分降序排列
10. v i ←Top(v i ,1); //只留下最终分最高的 1 位业务员
11. End for
12. return v;
13. End

对于权重的设置,本文采用层次分析法.层次分析的思路是:将复杂的系统分解成若干个层次,其层次系统
的形状与树形结构相似,同一层次的元素作为标准,对下一层的某些元素起支配作用,同时又受上一层次的元素
值支配.通过两两比较的方式确定层次中各指标的重要度排序,然后进行综合判断.依据这种模型,将第 1 层目标
确定为业务员最终得分,第 2 层准则层确定为属性选取的判断方法,第 3 层指标层确定为业务员所在机构的等
级、业务员等级和用户评价分等多个特征属性.即通过层次分析法从不同判断准则的角度选取重要指标,每一
个准则对应的指标是相同的.可从 3 个角度来判断各指标的重要性:指标在衡量业务员最终得分中发挥的作用、
指标的计算依据以及涉及因素、获取难易程度或者获取的精度.根据构成最终得分的属性数量及各属性的重要
程度建立判断基准表.
每个属性在业务员的最终评分中反映的是不同的侧面,发挥的作用也是不同的.准则层的目标是判断各属
性在评价业务员最终得分中可发挥的作用,通过定性分析法比较各属性的作用,从而得到判断矩阵.分析研究上