基于检验检测-服务质量-长...的检验检测服务质量评价研究_周靖宇.pdf

科技管理研究Science and Technology Management Research2023 No.62023 年第 6 期doi:10.3969/j.issn.1000-7695.2023.6.010基于检验检测-服务质量-长短期记忆网络-情感分析模型的检验检测服务质量评价研究周靖宇1，张 健1，2，陈进东1，2，于 浩3（1.北京信息科技大学，北京100192；2.绿色发展大数据决策北京市重点实验室，北京100192；3.中国电子技术标准化研究院，北京100007）摘要：为促进检验检测（IT）业服务质量提升，以检验检测服务质量（QoS）评级和用户服务需求为切入点，采用基于长短期记忆网络（LSTM）的深度学习方法进行用户情感分析（SA），识别用户对检验检测服务质量在各个评价维度上的情感倾向，设计由有形性、可靠性、响应性、安全性和移情性 5 个维度构成的评价体系，通过 IT-QoS-LSTM-SA 模型对检验检测服务机构服务质量进行评价与反馈，并利用 7 万多条相关文本数据进行实证。结果显示：LSTM 模型在检验检测用户评论分类中的准确率达到了 85.24%，检验检测服务质量的总评分为 0.491 6，处于满意和非常满意程度之间。基于 IT-QoS-LSTM-SA 模型，可以直观地看出检验检测服务质量在各项评价指标上的优劣程度。关键词：服务质量评价；长短期记忆网络模型；深度学习；情感分析；检验检测业中图分类号：F224；G301 献标志码：A 章编号：1000-7695（2023）6-0070-08Research on Service Quality Evaluation of Inspection and Testing Based on IT-QoS-LSTM-SA ModelZhou Jingyu1,Zhang Jian1,2,Chen Jindong1,2,Yu Hao3(1.Beijing Information Science and Technology University,Beijing 100192,China;2.Beijing Key Laboratory of Green Development Big Data Decision Making,Beijing 100192,China；3.China Electronics Standardization Institute,Beijing 100007,China)Abstract:In order to promote the service quality(QoS)of the inspection and testing(IT)industry,the IT service quality rating and user service demand are used as the entry point,and a deep learning method based on long and short-term memory network(LSTM)is adopted to conduct a user sentiment analysis(SA),identify the emotional tendency of users to service quality of inspection and testing in each evaluation dimensions,and an evaluation system including five dimensions of tangibility,reliability,responsiveness,security and empathy is designed,the evaluation and feedback on the service quality of inspection and testing service institutions are carried out based on the IT-QoS-LSTM-SA,further,more than 70 000 relevant text data are applied for empirical evidence.The results show that LSTM model achieves an accuracy rate of 85.24%in the classification of IT user reviews,he overall rating of IT service quality is 0.491 6 according to sentiment analysis,which is between satisfactory and very satisfactory.It is obvious that,based on the IT-QoS-LSTM-SA model,the degree of service quality of inspection and testing in various evaluation index can be directly seen.Key words:valuation of the quality of service;long short-term memory network model;deep learning;sentiment analysis;inspection and testing industry收稿期：2022-08-09，修回期：2022-11-08 基项：国家重点研发项目“面向中小微企业的综合质量服务技术研发与应用”（2019YFB1405300）；北京市属高等学校优秀青年人才培育计划项目“中小微企业综合质量智能服务与优化技术研究”（BPHR202203233）1献综述 检验检测（inspection and testing，IT）作为我国治理体系的主要技术和工具，是国家质量技术基础中不可或缺的一部分1，其在提高产品质量、实现周靖宇等：基于检验检测-服务质量-长短期记忆网络-情感分析模型的检验检测服务质量评价研究71可持续发展、保护生态环境和促进经济社会高质量发展等方面发挥着重要作用。我国检验检测服务业虽然作为八大高技术服务业之一，但其建设相对于欧美其他国家而言发展较晚，在很多方面还不健全，随着我国检验检测行业市场规模的逐年增长，保障产品质量安全、提高供给质量、促进绿色发展显得尤为重要。在这样的背景下，构建一套标准的检验检测服务质量（service quality，QoS）评价指标体系，对检验检测服务质量作出合理正确的评价，能够推动检验检测机构提升技术服务水平，同时可以提高检验检测机构的可持续发展能力和服务用户的能力，促进检验检测领域的快速发展。而对于检验检测用户来说，此举能够帮助他们充分了解检验检测服务行业的现状，进而合理地选择相应服务2。现阶段，传统的评价方法主要有层次分析法（AHP）、模糊数学法、灰色关联分析法（grey incidence analysis,GIA）、人工神经网络（artificial neural networks,ANN）分析方法等，如Sucahyo 等3、Feng 等4、Dhillon 等5、Shuai 等6的研究。李万星等7通过结合数字化科教评价平台信息服务的特点，构建科教评价平台信息服务质量评价指标，通过专家打分结合 AHP 分析获得权重，以此确定指标体系的评价标准，通过实证分析对平台信息的服务质量进行了评价。但用户的需求会随着环境、时间等因素的变化而变化，同一个用户也可能出现对服务质量的不同需求，因此这些传统的评价方法无法解决检验检测服务质量评价特征值变化的情况。对于服务质量评价的难以量化以及数据来源可信度低等问题，不少学者开始通过在线评论情感分析和深度学习相结合的评价方法，实现服务质量的测量及评价，例如，由丽萍等8通过基于语义的在线评论情感分析获得服务质量评价属性和评价数据，采用 TOPSIS 多属性方法综合计算情感分析结果，通过实例进行验证发现，该方法不仅获得了评价对象在某一属性上的具体评价结果，而且为科学有效地衡量服务质量提供了综合排名信息；赵宇晴等9提出了一种基于在线评论数据获取用户需求信息并实现用户满意度评价的方法，结合情感分析计算需求实现程度，从而实现用户满意度的量化评价。综合考虑已有方法的优势和不足，本研究采用基于长短期记忆网络（long short-term memory，LSTM）的深度学习方法。一方面，这种方法不需要手动嵌入单词、短语和句子，也不需要考虑它们之间的语义或语法联系，可以自动提取句子的特征，以适应特征值的变化；另一方面，LSTM 模型可以特定挖掘整个句子的长距离依赖关系，从而充分利用句子的特征信息，有效识别部分情感极性但表达不清的句子的情感极性，从而提高深度神经网络在情感分类中的准确性。本研究从检验检测评级的服务质量和用户服务需求角度出发，提出新兴产业检验检测服务质量的评价指标体系，并以深度学习（deep learning）的服务质量评价方法为基础，根据实际情况在研究过程中对 LSTM 模型参数进行动态调整，最大限度地避免过拟合情况出现，以此计算出评论数据的情感极性强度，通过情感分析（sentiment analysis，SA）识别用户对检验检测服务质量在各个评价维度上的情感倾向。2检验检测服务质量评价指标体系的构建在构建评价指标体系之前，对当前研究成果进行梳理，充分挖掘影响检验检测服务质量的重要指标，与服务质量的特征和用户对检验检测服务的需求相结合，由此构建了包含 5 个一级指标和 14 个二级指标的评价指标体系，且详细描述了各项评价指标，保证了所有评价指标的合理性；同时，借鉴 Parasuraman 等10-11的研究，在 SERVQUAL 服务质量评价模型的基础上，结合用户的实际需求，通过改进传统服务质量的 5 个维度，设计了由有形性、可靠性、响应性、安全性和移情性 5 个评价维度的评价体系。（1）有形性。在测量检验检测服务平台上存在一些清晰可见的有形服务，通过有形性的检验能够反映出服务程度的大小。（2）可靠性。检验检测服务平台对用户需求的实际完成程度可以通过可靠性进行衡量。判断检验检测服务质量的一个重要指标是，当用户通过平台对问题作出反馈时，平台能否给用户作出回应；除此之外，也能判断出平台是否完全按照所签订的服务协议完成用户的需求。（3）响应性。检验检测服务平台对用户需求的回应速度可以通过响应性来体现；除此之外，也能判断出检验检测提供方对用户的需求处理程度。（4）安全性。用户能否对检验检测服务平台完全信任与该平台的安全性有着密不可分的关系，所以检验检测服务平台必须要保证用户的隐私不会受到侵害、数据能够得到有效的监督等；除此之外，通过安全性也能够看出检验检测提供方在服务过程对用户信息安全的保护程度。（5）移情性。检验检测服务平台在工作过程中是否以用户为核心，是否最大限度地保护用户的利益以及是否尽全力满足用户的需求。72周靖宇等：基于检验检测-服务质量-长短期记忆网络-情感分析模型的检验检测服务质量评价研究参考由中华人民共和国国家质量监督检验检疫总局（现国家市场监督管理总局）、国家标准化管理委员会发布的信息技术服务 质量评价指标体系（GB/T 338502017），并根据实际情况，在每个维度下适当增减一些指标，进一步对 5 个维度设置各维度下的 14 个具体子指标，确立检测服务质量评价指标体系（见表 1）。表 1检验检测服务质量评价指标体系 维度指标层指标说明有形性（1）可视性（1）检验检测提供方向用户以可见的方式展现其服务的程度合规性（2）检验检测提供方的服务遵循标准、约定或法律法规规定的程度可靠性（2）完备性（3）检验检测提供方所提供的服务能够具备服务协议中承诺的所有功能的程度连续性（