論文の概要: Natural Language Processing in Customer Service: A Systematic Review

• arxiv url: http://arxiv.org/abs/2212.09523v1
• Date: Fri, 16 Dec 2022 18:17:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 14:52:26.612166
• Title: Natural Language Processing in Customer Service: A Systematic Review
• Title（参考訳）: カスタマサービスにおける自然言語処理:体系的レビュー
• Authors: Malak Mashaabi, Areej Alotaibi, Hala Qudaih, Raghad Alnashwan and Hend Al-Khalifa
• Abstract要約: レビューは、顧客サービスにおけるNLP技術の利用に関する既存の研究を検討することを目的としている。 5つの主要な科学データベースから論文を抽出する。 Twitterは2番目によく使われるデータセットだった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Artificial intelligence and natural language processing (NLP) are increasingly being used in customer service to interact with users and answer their questions. The goal of this systematic review is to examine existing research on the use of NLP technology in customer service, including the research domain, applications, datasets used, and evaluation methods. The review also looks at the future direction of the field and any significant limitations. The review covers the time period from 2015 to 2022 and includes papers from five major scientific databases. Chatbots and question-answering systems were found to be used in 10 main fields, with the most common use in general, social networking, and e-commerce areas. Twitter was the second most commonly used dataset, with most research also using their own original datasets. Accuracy, precision, recall, and F1 were the most common evaluation methods. Future work aims to improve the performance and understanding of user behavior and emotions, and address limitations such as the volume, diversity, and quality of datasets. This review includes research on different spoken languages and models and techniques.
• Abstract（参考訳）: 人工知能と自然言語処理(NLP)は、ユーザと対話し、質問に答えるために、顧客サービスでますます使われている。 この体系的なレビューの目的は、顧客サービスにおけるNLP技術の利用に関する既存の研究、例えば研究領域、アプリケーション、使用されるデータセット、評価方法を検討することである。 レビューでは、フィールドの今後の方向性と、重要な制限についても検討している。 このレビューは2015年から2022年までの期間をカバーし、5つの主要な科学データベースからの論文を含んでいる。 チャットボットと質問応答システムは主に10の分野に使われ、一般的にはソーシャルネットワークやeコマースで使われている。 twitterは2番目に広く使われているデータセットであり、ほとんどの研究は独自のデータセットも使用している。 精度、精度、リコール、F1が最も一般的な評価方法であった。 今後の作業は、ユーザの行動と感情のパフォーマンスと理解を改善し、データセットのボリューム、多様性、品質といった制限に対処することを目的としている。 このレビューには、異なる話し言葉とモデルと技術の研究が含まれている。

関連論文リスト

• Towards Robust Evaluation: A Comprehensive Taxonomy of Datasets and Metrics for Open Domain Question Answering in the Era of Large Language Models [0.0]
  自然言語処理におけるオープンドメイン質問回答(ODQA)は,大規模知識コーパスを用いて,事実質問に回答するシステムを構築する。 高品質なデータセットは、現実的なシナリオでモデルをトレーニングするために使用されます。 標準化されたメトリクスは、異なるODQAシステム間の比較を容易にする。
  論文  参考訳（メタデータ） (2024-06-19T05:43:02Z)
• UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
  大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。 我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
  論文  参考訳（メタデータ） (2023-10-02T17:40:01Z)
• 5-Star Hotel Customer Satisfaction Analysis Using Hybrid Methodology [0.0]
  我々の研究は、レビューデータから顧客満足度を判断する新しい方法を提案する。 これまで実施されてきた顧客満足度に関する多くの研究とは異なり、本研究は論文の新規性を持っている。
  論文  参考訳（メタデータ） (2022-09-26T04:53:10Z)
• Federated Learning Meets Natural Language Processing: A Survey [12.224792145700562]
  Federated Learningは、複数の分散エッジデバイス(モバイルなど)やサーバから、ローカルデータのプライバシを犠牲にすることなく、マシンラーニングモデルを学習することを目的としている。 最近の自然言語処理技術は、ディープラーニングと大規模な事前学習言語モデルに依存している。
  論文  参考訳（メタデータ） (2021-07-27T05:07:48Z)
• Can I Be of Further Assistance? Using Unstructured Knowledge Access to Improve Task-oriented Conversational Modeling [39.60614611655266]
  この研究は、外部の非構造化の知識ソースを組み込むことによって、APIをカバーしていないユーザターンに応答することに焦点を当てている。 最初の2つのステップで新たなデータ拡張手法を導入し、対話コンテキストから抽出した情報を使用することで、知識選択とエンドツーエンドのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2021-06-16T23:31:42Z)
• Domain Generalization: A Survey [146.68420112164577]
  ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。 初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
  論文  参考訳（メタデータ） (2021-03-03T16:12:22Z)
• Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
  現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。 CRS開発の主な課題を5つの方向にまとめます。 これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
  論文  参考訳（メタデータ） (2021-01-23T08:53:15Z)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)
• Improving time use measurement with personal big data collection -- the experience of the European Big Data Hackathon 2019 [62.997667081978825]
  この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。 i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
  論文  参考訳（メタデータ） (2020-04-24T18:40:08Z)
• Teddy: A System for Interactive Review Analysis [17.53582677866512]
  データサイエンティストは、レビューテキストに埋め込まれた情報を抽出、集約、理解するためのルールとモデルを開発することでレビューを分析する。 Teddyはインタラクティブなシステムで、データサイエンティストがレビューから素早く洞察を得て、パイプラインの抽出とモデリングを改善することができる。
  論文  参考訳（メタデータ） (2020-01-15T08:19:01Z)
• ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine Reading Comprehension [53.037401638264235]
  我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。 評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
  論文  参考訳（メタデータ） (2019-12-29T07:27:23Z)

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。