論文の概要: Using Natural Language Processing to Understand Reasons and Motivators Behind Customer Calls in Financial Domain

• arxiv url: http://arxiv.org/abs/2110.09094v1
• Date: Mon, 18 Oct 2021 08:30:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 16:42:14.840027
• Title: Using Natural Language Processing to Understand Reasons and Motivators Behind Customer Calls in Financial Domain
• Title（参考訳）: 金融ドメインにおける自然言語処理を用いた顧客呼び出しの背後にある理由と動機の理解
• Authors: Ankit Patil, Ankush Chopra, Sohom Ghosh, Vamshi Vadla
• Abstract要約: カスタマーコールの背後にある理由やモチベーターをマイニングできるフレームワークを開発することが不可欠である。 本稿では,2つのモデルを提案する。まず,アテンションをベースとした双方向長期記憶ネットワークと階層クラスタリングを提案する。 これらの呼び出しに繋がった要因を検出することができる。
• 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: In this era of abundant digital information, customer satisfaction has become one of the prominent factors in the success of any business. Customers want a one-click solution for almost everything. They tend to get unsatisfied if they have to call about something which they could have done online. Moreover, incoming calls are a high-cost component for any business. Thus, it is essential to develop a framework capable of mining the reasons and motivators behind customer calls. This paper proposes two models. Firstly, an attention-based stacked bidirectional Long Short Term Memory Network followed by Hierarchical Clustering for extracting these reasons from transcripts of inbound calls. Secondly, a set of ensemble models based on probabilities from Support Vector Machines and Logistic Regression. It is capable of detecting factors that led to these calls. Extensive evaluation proves the effectiveness of these models.
• Abstract（参考訳）: このデジタル情報の豊富な時代において、顧客満足度は、あらゆるビジネスの成功の顕著な要因の1つとなっている。 顧客はほとんどすべてに対してワンクリックでソリューションを望んでいる。 オンラインでできることについて電話する必要がある場合、彼らは不満を抱く傾向があります。 さらに、入呼はあらゆるビジネスにとってコストの高いコンポーネントです。 したがって、顧客呼び出しの背後にある理由や動機を掘り起こせるフレームワークを開発することが不可欠である。 本稿では2つのモデルを提案する。 まず、注意に基づく2方向の短期記憶ネットワーク、続いて階層的クラスタリングにより、インバウンド呼び出しの書き起こしからこれらの理由を抽出する。 第二に、Support Vector MachinesとLogistic Regressionの確率に基づくアンサンブルモデルのセット。 これらの呼び出しにつながる要因を検出することができる。 大規模な評価はこれらのモデルの有効性を証明する。

関連論文リスト

• Characterizing Robocalls with Multiple Vantage Points [50.423738777985314]
  苦情や通話量はまだ高いものの、無言通話は緩やかに減少傾向にある。 ロボコールがSTIR/SHAKENに適応していることがわかりました。 以上の結果から,電話スパムの特徴化と防止に向けた今後の取り組みの最も有望な方向性が浮かび上がっている。
  論文  参考訳（メタデータ） (2024-10-22T18:54:12Z)
• BBA: Bi-Modal Behavioral Alignment for Reasoning with Large Vision-Language Models [82.79847786739963]
  本稿では,アンダーラインBi-Modal UnderlineBehavioral UnderlineAlignment(BBA)プロンプト法を提案する。 複雑なマルチモーダル推論タスクの強化において、DSLの可能性を最大化するように設計されている。 実験により,BBAは幾何問題解決におけるGPT-4V(ision)の性能を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-02-21T07:16:29Z)
• Causal Analysis of Customer Churn Using Deep Learning [9.84528076130809]
  顧客チャーン(Customer Churn)は、ビジネスとの関係を終了するか、特定の期間における顧客エンゲージメントを減少させる。 本稿では,ディープフィードフォワードニューラルネットワークを用いた分類手法を提案する。 また,顧客を混乱させる原因を予測するための因果ベイズネットワークを提案する。
  論文  参考訳（メタデータ） (2023-04-20T18:56:13Z)
• Customer Churn Prediction Model using Explainable Machine Learning [0.0]
  この論文の主な目的は、チャーンする可能性が最も高い潜在的な顧客を予測するのに役立つ、ユニークな顧客チャーン予測モデルを開発することである。 各種木に基づく機械学習手法とアルゴリズムの性能評価と解析を行った。 モデル説明可能性と透明性を改善するため,提案手法では,特徴の組合せについてシェープ値を計算する手法を提案する。
  論文  参考訳（メタデータ） (2023-03-02T04:45:57Z)
• Don't Copy the Teacher: Data and Model Challenges in Embodied Dialogue [92.01165203498299]
  後続の身体的対話命令は、自然言語交換から複雑なタスクのシーケンスを完了させるエージェントを必要とする。 本稿では,模倣学習(IL)と関連する低レベルメトリクスが,実際には誤解を招くものであり,具体的対話研究の目標と一致していないことを論じる。
  論文  参考訳（メタデータ） (2022-10-10T05:51:40Z)
• ConvFinQA: Exploring the Chain of Numerical Reasoning in Conversational Finance Question Answering [70.6359636116848]
  本稿では,対話型質問応答における数値推論の連鎖を研究するために,新しい大規模データセットConvFinQAを提案する。 我々のデータセットは、現実世界の会話において、長距離で複雑な数値推論パスをモデル化する上で大きな課題となる。
  論文  参考訳（メタデータ） (2022-10-07T23:48:50Z)
• Developing a Production System for Purpose of Call Detection in Business Phone Conversations [1.4450257955652834]
  本稿では,英語のビジネスコール記述文中のPurpose of Call文をリアルタイムに検出する商用システムの実装について述べる。 本稿では,一連のルールからニューラルモデルへブートストラップすることで,豊富なトレーニングデータを収集する手法について議論する。 このモデルは実生活データでテストした場合、様々なタイプのビジネスコールで平均88.6 F1を達成し、推論時間も低い。
  論文  参考訳（メタデータ） (2022-05-13T21:45:54Z)
• Data Driven Content Creation using Statistical and Natural Language Processing Techniques for Financial Domain [0.0]
  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。
  論文  参考訳（メタデータ） (2021-09-07T08:37:28Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)
• Graph Neural Networks to Predict Customer Satisfaction Following Interactions with a Corporate Call Center [6.4047628200011815]
  本研究は、着信後の顧客満足度を予測するための完全運用システムについて述べる。 このシステムは、電話の音声からテキストへの書き起こしを入力とし、電話後の調査で顧客から報告された着信満足度を予測する。
  論文  参考訳（メタデータ） (2021-01-31T10:13:57Z)
• I love your chain mail! Making knights smile in a fantasy game world: Open-domain goal-oriented dialogue agents [69.68400056148336]
  我々は、模倣学習したチトチャットモデルに対して強化学習を施した目標指向モデルを訓練する。 両モデルが逆モデルベースラインより優れており,目標を達成するために対話相手と自然に会話できることを示す。
  論文  参考訳（メタデータ） (2020-02-07T16:22:36Z)

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。