論文の概要: Problem Classification for Tailored Helpdesk Auto-Replies

• arxiv url: http://arxiv.org/abs/2211.07603v1
• Date: Sun, 11 Sep 2022 20:03:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-27 00:37:55.951010
• Title: Problem Classification for Tailored Helpdesk Auto-Replies
• Title（参考訳）: ヘルプデスク自動リプライの課題分類
• Authors: Reece Nicholls, Ryan Fellows, Steve Battle and Hisham Ihshaish
• Abstract要約: 自動返信には、その日の一般的な問題に対処する一般的なボイラープレートのテキストが含まれる。 問題分類は、ITヘルプデスク電子メールデータの適切なコーパスでニューラルネットワークをトレーニングすることで達成される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: IT helpdesks are charged with the task of responding quickly to user queries. To give the user confidence that their query matters, the helpdesk will auto-reply to the user with confirmation that their query has been received and logged. This auto-reply may include generic `boiler-plate' text that addresses common problems of the day, with relevant information and links. The approach explored here is to tailor the content of the auto-reply to the user's problem, so as to increase the relevance of the information included. Problem classification is achieved by training a neural network on a suitable corpus of IT helpdesk email data. While this is no substitute for follow-up by helpdesk agents, the aim is that this system will provide a practical stop-gap.
• Abstract（参考訳）: ITヘルプデスクは、ユーザクエリに素早く応答するタスクを担います。 ユーザがクエリが重要なことを確信するために、ヘルプデスクは、クエリが受信されログインされたことを確認して、ユーザに自動的に返信する。 この自動返信には、その日の一般的な問題に対処する汎用の 'boiler-plate' テキストと、関連する情報とリンクが含まれる。 ここで検討されたアプローチは、ユーザの問題に対するオートリプライの内容を調整することで、含まれている情報の関連性を高めることである。 問題分類は、ITヘルプデスク電子メールデータの適切なコーパスでニューラルネットワークをトレーニングすることで達成される。 helpdeskエージェントのフォローアップに代わるものではないが、このシステムは実用的なストップギャップを提供する。

関連論文リスト

• Open Domain Question Answering with Conflicting Contexts [55.739842087655774]
  あいまいでオープンなドメインの質問の25%は、Google Searchを使って検索すると、コンフリクトのあるコンテキストにつながります。 我々はアノテータに正しい回答の選択についての説明を依頼する。
  論文  参考訳（メタデータ） (2024-10-16T07:24:28Z)
• Beyond-RAG: Question Identification and Answer Generation in Real-Time Conversations [0.0]
  カスタマーコンタクトセンターでは、人間エージェントは長い平均処理時間(AHT)に苦しむことが多い。 本稿では,顧客質問をリアルタイムに識別し,RAGを超越した意思決定を支援するシステムを提案する。 クエリがFAQと一致した場合、システムはFAQデータベースから直接回答を検索する。
  論文  参考訳（メタデータ） (2024-10-14T04:06:22Z)
• A system for Human-AI collaboration for Online Customer Support [16.22226476879187]
  本稿では,人間支援エージェントがAIエージェントとリアルタイムで協調して顧客の質問に満足して答えるシステムを提案する。 本稿では,AIエージェントに関わる機械学習技術とともに,ソリューションのユーザインタラクション要素について述べる。
  論文  参考訳（メタデータ） (2023-01-28T11:07:23Z)
• Medical Question Understanding and Answering with Knowledge Grounding and Semantic Self-Supervision [53.692793122749414]
  本稿では,知識基盤とセマンティック・セルフスーパービジョンを備えた医療質問理解・回答システムについて紹介する。 我々のシステムは、まず、教師付き要約損失を用いて、長い医学的、ユーザによる質問を要約するパイプラインである。 システムはまず、信頼された医療知識ベースから要約されたユーザ質問とFAQとをマッチングし、対応する回答文書から一定の数の関連文を検索する。
  論文  参考訳（メタデータ） (2022-09-30T08:20:32Z)
• Continual Learning and Private Unlearning [49.848423659220444]
  本稿では、継続学習とプライベートアンラーニング(CLPU)問題を定式化する。 これはCLPU問題を解決するための第一歩として、単純だが完全にプライベートなソリューションであるCLPU-DER++を紹介している。
  論文  参考訳（メタデータ） (2022-03-24T02:40:33Z)
• Question Answering Survey: Directions, Challenges, Datasets, Evaluation Matrices [0.0]
  QA分野の研究の方向性は,質問の種類,回答の種類,根拠の源泉,モデリングアプローチに基づいて分析される。 これに続き、自動質問生成、類似性検出、言語に対する低リソース可用性など、この分野のオープンな課題が続きます。
  論文  参考訳（メタデータ） (2021-12-07T08:53:40Z)
• Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
  本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。 本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-10-29T18:28:16Z)
• Technical Question Answering across Tasks and Domains [47.80330046038137]
  文書検索と読解作業のための調整可能な共同学習手法を提案する。 TechQAに関する我々の実験は、最先端の手法と比較して優れた性能を示している。
  論文  参考訳（メタデータ） (2020-10-19T18:39:30Z)
• Conversational Document Prediction to Assist Customer Care Agents [24.759188825018665]
  本研究では,顧客ケア担当者がユーザニーズに役立てる文書の予測作業について検討する。 本研究では,その課題に対する技術深層学習(DL)と情報検索(IR)モデルについて検討する。
  論文  参考訳（メタデータ） (2020-10-05T19:53:41Z)
• On the Social and Technical Challenges of Web Search Autosuggestion Moderation [118.47867428272878]
  自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。 現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。 問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
  論文  参考訳（メタデータ） (2020-07-09T19:22:00Z)

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。