論文の概要: Data Driven Content Creation using Statistical and Natural Language Processing Techniques for Financial Domain

• arxiv url: http://arxiv.org/abs/2109.02935v1
• Date: Tue, 7 Sep 2021 08:37:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-08 14:43:28.512257
• Title: Data Driven Content Creation using Statistical and Natural Language Processing Techniques for Financial Domain
• Title（参考訳）: 統計的・自然言語処理技術を用いた金融分野向けデータ駆動コンテンツ作成
• Authors: Ankush Chopra, Prateek Nagwanshi, Sohom Ghosh
• Abstract要約: 本稿では,コール,検索,チャットなど,異なるインタラクションチャネルからの情報を組み合わせる手法を第1部で記述する2部フレームワークを提案する。 フレームワークの第2部は、インタラクションデータソースを分析して顧客の質問を抽出することに焦点を当てている。
• 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: Over the years customers' expectation of getting information instantaneously has given rise to the increased usage of channels like virtual assistants. Typically, customers try to get their questions answered by low-touch channels like search and virtual assistant first, before getting in touch with a live chat agent or the phone representative. Higher usage of these low-touch systems is a win-win for both customers and the organization since it enables organizations to attain a low cost of service while customers get served without delay. In this paper, we propose a two-part framework where the first part describes methods to combine the information from different interaction channels like call, search, and chat. We do this by summarizing (using a stacked Bi-LSTM network) the high-touch interaction channel data such as call and chat into short searchquery like customer intents and then creating an organically grown intent taxonomy from interaction data (using Hierarchical Agglomerative Clustering). The second part of the framework focuses on extracting customer questions by analyzing interaction data sources. It calculates similarity scores using TF-IDF and BERT(Devlin et al., 2019). It also maps these identified questions to the output of the first part of the framework using syntactic and semantic similarity.
• Abstract（参考訳）: 長年にわたり、顧客が情報を瞬時に取得するという期待は、仮想アシスタントのようなチャネルの利用の増加をもたらしてきた。 典型的には、顧客はまず検索やバーチャルアシスタントのような低タッチのチャンネルから質問に答えようとするが、その後チャットエージェントや電話の担当者と連絡を取る。 これらの低タッチシステムの高利用は、顧客が遅れずにサービスを提供しながら、低コストのサービスを実現することができるため、顧客と組織の両方にとって勝利です。 本稿では,第1部では通話,検索,チャットといった異なるインタラクションチャネルからの情報を結合する手法を記述した2部構成を提案する。 ユーザインテントのような短い検索クエリにコールやチャットなどの高タッチインタラクションチャネルデータを(積み重ねたBi-LSTMネットワークを使用して)要約し、対話データ(階層的集約クラスタリングを使用)から組織的に成長した意図的な分類を作成する。 フレームワークの第2部では、インタラクションデータソースの分析による顧客の質問の抽出に重点を置いている。 TF-IDFとBERT(Devlin et al., 2019)を用いて類似点を計算する。 また、これらの特定された質問を、構文的および意味的類似性を用いてフレームワークの最初の部分の出力にマッピングする。

関連論文リスト

• $r$Age-$k$: Communication-Efficient Federated Learning Using Age Factor [31.285983939625098]
  Federated Learning(FL)は、パラメータサーバ(PS)によって調整された複数のクライアントが統合された機械学習モデルをトレーニングする、協調的なアプローチである。 本稿では,FLの2つの制限に対処するために,情報量測定の年齢を用いた新しい通信効率アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-29T16:30:34Z)
• Intent Recognition in Conversational Recommender Systems [0.0]
  会話における入力発話を文脈化するためのパイプラインを導入する。 次に、逆機能エンジニアリングを活用して、コンテキスト化された入力と学習モデルをリンクして、意図認識をサポートするための次のステップを踏み出します。
  論文  参考訳（メタデータ） (2022-12-06T11:02:42Z)
• Scalable Collaborative Learning via Representation Sharing [53.047460465980144]
  フェデレートラーニング(FL)とスプリットラーニング(SL)は、データを(デバイス上で)プライベートにしながら協調学習を可能にする2つのフレームワークである。 FLでは、各データ保持者がモデルをローカルにトレーニングし、集約のために中央サーバにリリースする。 SLでは、クライアントは個々のカット層アクティベーション(スマッシュされたデータ)をサーバにリリースし、そのレスポンス(推論とバックの伝搬の両方)を待つ必要があります。 本研究では, クライアントがオンライン知識蒸留を通じて, 対照的な損失を生かして協調する, プライバシ保護機械学習の新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-20T10:49:22Z)
• Temporal Saliency Query Network for Efficient Video Recognition [82.52760040577864]
  ビデオ認識は、インターネットやモバイルデバイス上でのマルチメディアデータの爆発的な成長に関するホットスポット研究のトピックである。 既存の方法の多くは、クラス固有のサリエンシスコアを意識せずに、サリエントフレームを選択する。 そこで我々は,Saliency Query (TSQ) 機構を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:23:34Z)
• Graph Enhanced BERT for Query Understanding [55.90334539898102]
  クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。 近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。 本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
  論文  参考訳（メタデータ） (2022-04-03T16:50:30Z)
• A combined approach to the analysis of speech conversations in a contact center domain [2.575030923243061]
  本稿では, インバウンドフローやアウトバウンドフローから抽出した通話記録を扱う, イタリアのコンタクトセンターにおける音声分析プロセスの実験について述べる。 まず,Kaldi フレームワークをベースとした社内音声合成ソリューションの開発について詳述する。 そこで我々は,コールトランスクリプトのセマンティックタグ付けに対する異なるアプローチの評価と比較を行った。 最後に、タグ付け問題にJ48Sと呼ばれる決定木インデューサを適用する。
  論文  参考訳（メタデータ） (2022-03-12T10:03:20Z)
• Game of Gradients: Mitigating Irrelevant Clients in Federated Learning [3.2095659532757916]
  フェデレートラーニング(FL)は、中央サーバのオーケストレーションの下で、機械学習モデルの協調トレーニングに参加する複数のクライアントを扱う。 この設定では、各クライアントのデータは自身にプライベートであり、他のクライアントやサーバに転送できない。 我々はこれらの問題をFederated Relevant Client Selection (FRCS)と呼ぶ。
  論文  参考訳（メタデータ） (2021-10-23T16:34:42Z)
• Open Domain Question Answering over Virtual Documents: A Unified Approach for Data and Text [62.489652395307914]
  我々は、知識集約型アプリケーションのための構造化知識を符号化する手段として、Data-to-text法、すなわち、オープンドメイン質問応答(QA)を用いる。 具体的には、ウィキペディアとウィキソースの3つのテーブルを付加知識源として使用する、データとテキスト上でのオープンドメインQAのための冗長化-レトリバー・リーダー・フレームワークを提案する。 UDT-QA(Unified Data and Text QA)は,知識インデックスの拡大を効果的に活用できることを示す。
  論文  参考訳（メタデータ） (2021-10-16T00:11:21Z)
• Federated Semi-Supervised Learning with Inter-Client Consistency & Disjoint Learning [78.88007892742438]
  ラベル付きデータの位置に基づくFSSL(Federated Semi-Supervised Learning)の2つの重要なシナリオについて検討する。 フェデレートマッチング(FedMatch)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-06-22T09:43:41Z)
• Conversations with Search Engines: SERP-based Conversational Response Generation [77.1381159789032]
  我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。 また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。 CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
  論文  参考訳（メタデータ） (2020-04-29T13:07:53Z)

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。