Įmonės IT pagalbos kreipinių automatizuotas klasifikavimas naudojant DI
Razma, Audrius |
Šiuolaikinėse IT paslaugų valdymo sistemose kiekvieną dieną apdorojama daugybė naudotojų užklausų, kurios dažnai pateikiamos neformalizuotu tekstiniu pavidalu. Siekiant automatizuoti užklausų analizės ir paskirstymo procesą, šiame darbe tiriama galimybė pritaikyti mašininio mokymosi ir natūralios kalbos apdorojimo metodus IT laiškų klasifikavimui pagal tematiką ir atsakingas komandas. Tyrimo metu buvo paruoštas pagrinde lietuviškas užklausų tekstų rinkinys, atliktas teksto valymas, vektorizacija bei modelių apmokymas. Eksperimentinėje dalyje palyginti keli klasifikavimo metodai, tarp jų – logistinės regresijos ir BERT transformerių modeliai. Tyrimo rezultatai parodė, kad BERT modelis viršija klasikinio metodo tikslumą, pasiekdamas daugiau nei 70 % bendrą klasifikavimo kokybę. Taip pat atlikta požymių įtakos analizė, leidžianti interpretuoti modelio sprendimus. Gauti rezultatai patvirtina galimybę automatizuoti užklausų paskirstymą organizacijų IT skyriuose, sumažinant žmogiškųjų resursų apkrovą ir padidinant procesų efektyvumą.
In modern IT service management systems, a large number of user requests are processed daily, often submitted in unstructured textual form. To automate the analysis and distribution of these requests, this study explores the application of machine learning and natural language processing techniques for classifying IT support messages by topic and responsible teams. Mainly a Lithuanian-language dataset of support requests was prepared, including text cleaning, vectorization, and model training. The experimental part compares several classification methods, including logistic regression and the BERT transformer model. The results indicate that the BERT model outperforms the classical approach, achieving over 70% overall classification accuracy. Additionally, a feature importance analysis was performed to provide interpretability of the model’s decisions. The findings confirm the potential for automating request routing within organizational IT departments, reducing the burden on human resources and increasing the efficiency of support processes.