1.一种基于马尔可夫毯的在线服务体验质量关键因素识别方法 ，其特征在于，所述方法包括：获取在线服务平台的用户数据集、体验质量影响因素数据集和体验质量数据集，并构建决策表 ；所述用户数据集作为所述决策表 的论域U，所述体验质量影响因素数据集作为所述决策表 的条件属性集C，所述体验质量数据集作为所述决策表的决策属性集D，表示条件属性集C中对应条件属性上的值域，表示用于转换所述决策表DT的映射函数；

根据所述映射函数 计算所述决策表DT在每个决策属性集D的属性类别下的转换，获取转换后的特定类决策表 ； ，表示选定所述决策表 的决策属性集D中的一个决策属性类别作为特定类； 、 和 分别表示经过转换后的所述特定类决策表 的条件属性集、决策属性集和对应条件属性上的值域；

基于对称不确定性指标和近似马尔可夫毯将所述条件属性集 划分为若干条件属性分组，并获取每个条件属性分组的特定类的主导属性；

将所述特定类决策表 的所有条件属性分组中的所述主导属性构建主导属性集；

对每一个所述特定类决策表 的主导属性集进行优化搜索；

合并每一个所述特定类决策表 的优化搜索结果，得到属性约简集合；

根据得到的所述属性约简集合获取在线体验质量关键因素识别模型，并通过所述在线体验质量关键因素识别模型对在线服务平台服务数据进行识别，识别在线服务平台的服务质量关键因素；

其中，所述对每一个所述特定类决策表 的主导属性集进行优化搜索，具体包括：将每一个所述特定类决策表 的主导属性集作为目标函数 的基础解，对所述目标函数 进行优化搜索；

其中，所述目标函数 如下：

式中， 为需要进行优化搜索的所述特定类决策表 的目标属性集， 表示 在特定类 下经过所述映射函数 转换后的属性集；

所述 和 分别表示所述目标属性集 的一个属性， ； 和 分别表示属性和 在特定类 下经过所述映射函数 转换后的属性；表所述目标属性集 的属性数量；

所述合并每一个所述特定类决策表 的优化搜索结果，得到属性约简集合，具体包括：初始化属性约简集合 为空集；

将每一个所述特定类决策表 在目标函数 中的优化搜索结果 添加至所述属性约简集合 中；表现为：式中，n表示条件属性C中的属性数量； 表示所述目标属性集 在搜索过程中得到的最优的搜索结果。

2.根据权利要求1所述的一种基于马尔可夫毯的在线服务体验质量关键因素识别方法，其特征在于，所述基于对称不确定性指标和近似马尔可夫毯将所述特定类决策表的条件属性集 划分为若干条件属性分组，并获取每个条件属性分组的特定类的主导属性，具体包括：A1：计算所述条件属性集C中的属性 与决策属性集 的对称不确定性 ；其中，对称不确定性 如下所示：式中， 和 分别表示属性X和属性Y的信息熵， 表示在属性Y的条件下属性X的条件信息熵；

A2：将所述条件属性集C中的属性 构建选择列表，根据对应的 值对所述选择列表中的属性 进行降序排序；

A3：将所述选择列表中对应 值小于预设的关系阈值的属性 删除；

A4：将所述选择列表中对应 值中最大的属性 作为特定类的所述主导属性并将所述主导属性从所述选择列表中移出；

A5：根据近似马尔可夫毯获取所述选择列表中在特定类 下的所述主导属性的近似属性；

A6：将所述近似属性从所述选择列表中移出并与所述主导属性构建所述条件属性分组；

A7：重复执行步骤A4‑A6直至所述选择列表为空。

3.根据权利要求2所述的一种基于马尔可夫毯的在线服务体验质量关键因素识别方法，其特征在于，所述根据近似马尔可夫毯获取所述选择列表中在特定类 下的所述主导属性的近似属性，具体包括：获取所述主导属性 在特定类 下经过所述映射函数 转换后的属性 ，以及所述选择列表中的属性 在特定类 下经过所述映射函数 转换后的属性 ；其中 ；

根据如下相关性关系计算所述选择列表中以所述主导属性作为特定类近似马尔可夫毯的近似属性：。

4.根据权利要求2所述的一种基于马尔可夫毯的在线服务体验质量关键因素识别方法，其特征在于，所述根据近似马尔可夫毯获取所述选择列表中在特定类 下的所述主导属性的近似属性，具体包括：获取所述主导属性 在特定类 下经过所述映射函数 转换后的属性 ，以及所述选择列表中的属性 在特定类 下经过所述映射函数 转换后的属性 ；其中 ；

根据如下相关性关系计算所述选择列表中以所述主导属性作为最小特定类近似马尔可夫毯的近似属性：。

5.根据权利要求2所述的一种基于马尔可夫毯的在线服务体验质量关键因素识别方法，其特征在于，所述根据近似马尔可夫毯获取所述选择列表中在特定类 下的所述主导属性的近似属性，具体包括：获取所述主导属性 在特定类 下经过所述映射函数 转换后的属性 ，以及所述选择列表中的属性 在特定类 下经过所述映射函数 转换后的属性 ；其中 ；

根据如下相关性关系计算所述选择列表中以所述主导属性作为最大特定类近似马尔可夫毯的近似属性：。

6.根据权利要求1‑5任一项所述的一种基于马尔可夫毯的在线服务体验质量关键因素识别方法，其特征在于，所述映射函数 满足如下公式：式中， ， 表示由所述条件属性集C中的属性 对所述论域 的划分；

， 表示属性 在特定类 下经过所述映射函数 转换后的属性， 表示由属性 对论域 的划分； 、 和 分别表示在属性 中的以决策属性集 的正区域划分、负区域划分和边界区域划分；表示并集，表示与属性 不同的特定值。

7.根据权利要求6所述的一种基于马尔可夫毯的在线服务体验质量关键因素识别方法，其特征在于，所述根据所述映射函数 计算所述决策表DT在每个决策属性类别下的转换，具体包括：B1：选定一个特定类 ，将所述决策属性集D中的其他剩余元素转换为所述特定值；

B2：遍历所述条件属性集C中的属性；

B3：对于任意一个属性 ，获取属性 中对应于所述特定类 的所有元素并构建保留值集；

B4：将所述属性 中对应于所述保留值集的元素映射为该元素本身，将所述属性 中的其他元素映射为所述特定值 。