XiaoMi-AI文件搜索系统
World File Search System在线服务
旅游和酒店公司有意采用人工智能在线服务
本研究通过扩展技术接受模型 (TAM)，将自我效能、主观规范、技术知识和感知成本纳入分析，研究了影响旅游和酒店业采用人工智能 (AI) 驱动的在线服务的因素。通过问卷调查收集了马来西亚旅游和酒店业的 336 名受访者的数据。实证结果证实，感知有用性、易用性、态度、成本和技术知识显著影响行为意图。自我效能、感知易用性和感知有用性影响对人工智能的态度。态度介导感知易用性和行为意图之间的关系以及感知有用性和行为意图之间的关系。本研究有助于增进人工智能对旅游和酒店业背景的理解。本研究还通过提出一个包含认知外部因素和技术特定因素的综合模型来改进 TAM。
如何缓解事故？针对在线服务系统的有效故障排除指南推荐技术
近年来，越来越多的传统的包装软件以 7x24 在线服务的形式提供。事件（导致服务中断或运行中断的事件）可能会影响服务可用性并造成巨大的经济损失。因此，缓解事件非常重要且时间紧迫。在实践中，通常使用描述缓解过程的文档（称为故障排除指南 (TSG)）来缩短缓解时间 (TTM)。为了调查 TSG 在实际在线服务中的使用情况，我们对微软的 18 个真实的大型在线服务系统进行了首次实证研究。我们分析了过去两年所有事件记录中 TSG 的分布和特征。根据我们的研究，27.2% 的事件有 TSG 记录，其中 36.2% 的事件至少发生了两次。此外，开发人员平均将整个缓解时间的 36.3% 左右花在定位所需的 TSG 上。我们的研究表明，事故可能会反复发生，TSG 可以重复使用，以促进事故缓解。受我们实证研究的启发，我们提出了一种自动化的 TSG 建议