論文の概要: Case Studies on using Natural Language Processing Techniques in Customer Relationship Management Software

• arxiv url: http://arxiv.org/abs/2106.05160v1
• Date: Wed, 9 Jun 2021 16:07:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-10 15:12:29.144934
• Title: Case Studies on using Natural Language Processing Techniques in Customer Relationship Management Software
• Title（参考訳）: 顧客関係管理ソフトウェアにおける自然言語処理技術の利用に関する事例研究
• Authors: \c{S}\"ukr\"u Ozan
• Abstract要約: 我々は,対応するテキストコーパスを用いて単語埋め込みを訓練し,これらの単語埋め込みはデータマイニングだけでなく,RNNアーキテクチャにも利用できることを示した。 その結果、CRMで構造化されたテキストデータは、非常に貴重な情報をマイニングするのに使えることが証明された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How can a text corpus stored in a customer relationship management (CRM) database be used for data mining and segmentation? In order to answer this question we inherited the state of the art methods commonly used in natural language processing (NLP) literature, such as word embeddings, and deep learning literature, such as recurrent neural networks (RNN). We used the text notes from a CRM system which are taken by customer representatives of an internet ads consultancy agency between years 2009 and 2020. We trained word embeddings by using the corresponding text corpus and showed that these word embeddings can not only be used directly for data mining but also be used in RNN architectures, which are deep learning frameworks built with long short term memory (LSTM) units, for more comprehensive segmentation objectives. The results prove that structured text data in a CRM can be used to mine out very valuable information and any CRM can be equipped with useful NLP features once the problem definitions are properly built and the solution methods are conveniently implemented.
• Abstract（参考訳）: 顧客関係管理(CRM)データベースに格納されたテキストコーパスは、データマイニングやセグメンテーションにどのように使用できるのか? この質問に答えるために、我々は自然言語処理(nlp)の文学、例えば単語埋め込み、そしてrecurrent neural networks(rnn)のようなディープラーニングの文学で一般的に使われる技術手法の状態を継承した。 我々は,2009年から2020年の間に,インターネット広告コンサルタント代理店の顧客代表者によって取られたCRMシステムからのテキストを使用。 我々は、対応するテキストコーパスを用いて単語埋め込みを訓練し、これらの単語埋め込みが直接データマイニングに使用できるだけでなく、long short term memory(lstm)ユニットで構築されたディープラーニングフレームワークであるrnnアーキテクチャでもより包括的なセグメンテーション目的に使用できることを示した。 その結果、CRMの構造化されたテキストデータは、非常に貴重な情報をマイニングするために利用でき、問題定義が適切に構築され、ソリューションメソッドが便利に実装されたら、CRMは有用なNLP機能を備えることができることが証明された。

関連論文リスト

• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [71.85120354973073]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• A General and Flexible Multi-concept Parsing Framework for Multilingual Semantic Matching [60.51839859852572]
  我々は,テキストを多言語セマンティックマッチングのためのマルチコンセプトに分解し,NERモデルに依存するモデルからモデルを解放することを提案する。 英語データセットのQQPとMRPC、中国語データセットのMedical-SMについて包括的な実験を行った。
  論文  参考訳（メタデータ） (2024-03-05T13:55:16Z)
• Transforming Unstructured Text into Data with Context Rule Assisted Machine Learning (CRAML) [0.0]
  コンテキストルール支援機械学習(CRAML)法は、大量の非構造化テキストの正確な再現可能なラベル付けを可能にする。 CRAMLにより、ドメインの専門家はドキュメントコーパス内に埋もれている珍しい構造にアクセスすることができる。 CRAMLのユースケースは3つある: テキストデータから得られた最近の管理文献を分析し、プロプライエタリな求人広告テキストの分析から新しい機械学習モデルを記述・リリースし、フランチャイズ文書の公開コーパスから社会的・経済的関心の発見を示す。
  論文  参考訳（メタデータ） (2023-01-20T13:12:35Z)
• Explicit Context Integrated Recurrent Neural Network for Sensor Data Applications [0.0]
  Context Integrated RNN (CiRNN) は、コンテキスト特徴の形式で表現された明示的なコンテキストの統合を可能にする。 実験では、最先端モデルよりもそれぞれ39%と87%の改善が見られた。
  論文  参考訳（メタデータ） (2023-01-12T13:58:56Z)
• A Flexible Clustering Pipeline for Mining Text Intentions [6.599344783327053]
  Verint Intent Manager内にフレキシブルでスケーラブルなクラスタリングパイプラインを作成します。 言語モデルの微調整、高性能なk-NNライブラリ、コミュニティ検出技術を統合する。 VIMアプリケーションにデプロイされるように、このクラスタリングパイプラインは高品質な結果を生成する。
  論文  参考訳（メタデータ） (2022-02-01T22:54:18Z)
• An Exploratory Study on Utilising the Web of Linked Data for Product Data Mining [3.7376948366228175]
  この研究は、構造化されたデータを利用して、製品分類とリンクに使用される言語リソースを作成する方法を研究するためのeコマース領域に焦点を当てている。 我々は、数億の構造化されたデータポイントをRDF n-quadsの形で処理し、後に言語リソースを作成するために3つの異なる方法で使用される製品関連コーパスの数十万ワードを作成します。 評価の結果,単語の埋め込みは両タスクの精度を向上させる上で最も信頼性が高く一貫した手法であることが示唆された。
  論文  参考訳（メタデータ） (2021-09-03T09:58:36Z)
• Reinforced Iterative Knowledge Distillation for Cross-Lingual Named Entity Recognition [54.92161571089808]
  言語間NERは、知識をリッチリソース言語から低リソース言語に転送する。 既存の言語間NERメソッドは、ターゲット言語でリッチなラベル付けされていないデータをうまく利用しない。 半教師付き学習と強化学習のアイデアに基づく新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2021-06-01T05:46:22Z)
• CTNet: Context-based Tandem Network for Semantic Segmentation [77.4337867789772]
  本研究では,空間コンテキスト情報とチャネルコンテキスト情報とを対話的に探索し,新しいコンテキストベースタンデムネットワーク(CTNet)を提案する。 セマンティックセグメンテーションのための学習表現の性能をさらに向上するため、2つのコンテキストモジュールの結果を適応的に統合する。
  論文  参考訳（メタデータ） (2021-04-20T07:33:11Z)
• Deep Graph Matching and Searching for Semantic Code Retrieval [76.51445515611469]
  本稿では,グラフニューラルネットワークに基づくエンドツーエンドのディープグラフマッチングと探索モデルを提案する。 まず、自然言語クエリテキストとプログラミング言語のコードスニペットをグラフ構造化データで表現する。 特に、DGMSは、個々のクエリテキストやコードスニペットのより構造的な情報をキャプチャするだけでなく、それらの微妙な類似性も学習する。
  論文  参考訳（メタデータ） (2020-10-24T14:16:50Z)
• MaintNet: A Collaborative Open-Source Library for Predictive Maintenance Language Resources [13.976220447055521]
  MaintNetは、技術的およびドメイン固有の言語データセットのオープンソースライブラリである。 MaintNetは航空、自動車、施設の領域からの新しいログブックデータを提供している。
  論文  参考訳（メタデータ） (2020-05-25T23:44:19Z)
• Towards Accurate Scene Text Recognition with Semantic Reasoning Networks [52.86058031919856]
  本稿では,シーンテキスト認識のための意味推論ネットワーク(SRN)という,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。 GSRMはマルチウェイ並列伝送によってグローバルセマンティックコンテキストをキャプチャするために導入された。 正規テキスト,不規則テキスト,非ラテン語長文を含む7つの公開ベンチマークの結果,提案手法の有効性とロバスト性を検証した。
  論文  参考訳（メタデータ） (2020-03-27T09:19:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。