Fugu-MT 論文翻訳(概要): RE-GrievanceAssist: Enhancing Customer Experience through ML-Powered Complaint Management

論文の概要: RE-GrievanceAssist: Enhancing Customer Experience through ML-Powered Complaint Management

arxiv url: http://arxiv.org/abs/2404.18963v1
Date: Mon, 29 Apr 2024 07:03:23 GMT
ステータス: 処理完了
システム内更新日: 2024-05-01 18:29:43.334241
Title: RE-GrievanceAssist: Enhancing Customer Experience through ML-Powered Complaint Management
Title（参考訳）: Re-Grievance Assist: MLによるコンプライアンス管理による顧客エクスペリエンス向上
Authors: Venkatesh C, Harshit Oberoi, Anurag Kumar Pandey, Anil Goyal, Nikhil Sikka,
Abstract要約: 本稿では、不動産顧客の苦情管理に特化したエンドツーエンドパイプラインであるRE-GrievanceAssistを紹介する。バッチジョブとしてDatabricksにデプロイされ、2023年8月以降、月150,000Rsの月1,50,000Rsという、手作業全体の40%の大幅な削減を実現している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In recent years, digital platform companies have faced increasing challenges in managing customer complaints, driven by widespread consumer adoption. This paper introduces an end-to-end pipeline, named RE-GrievanceAssist, designed specifically for real estate customer complaint management. The pipeline consists of three key components: i) response/no-response ML model using TF-IDF vectorization and XGBoost classifier ; ii) user type classifier using fasttext classifier; iii) issue/sub-issue classifier using TF-IDF vectorization and XGBoost classifier. Finally, it has been deployed as a batch job in Databricks, resulting in a remarkable 40% reduction in overall manual effort with monthly cost reduction of Rs 1,50,000 since August 2023.
Abstract（参考訳）: 近年、デジタルプラットフォーム企業は、消費者の広範な普及による顧客苦情の管理において、ますます課題に直面している。本稿では、不動産顧客の苦情管理に特化したエンドツーエンドパイプラインであるRE-GrievanceAssistを紹介する。パイプラインは3つの重要なコンポーネントで構成されています。一 TF-IDFベクトル化とXGBoost分類器を用いた応答/応答なしMLモデル二速文分類器を用いたユーザ型分類器三 TF-IDFベクトル化及びXGBoost分類器を用いた号・号分類器最後に、Databricksのバッチジョブとしてデプロイされ、2023年8月以降、月150,000Rsの月1,50,000Rsの月次コスト削減により、手作業全体の40%が大幅に削減された。

関連論文リスト

AIC CTU system at AVeriTeC: Re-framing automated fact-checking as a simple RAG task [0.0]
本稿では、簡易な検索・拡張生成法(RAG)を用いて、野生で回収された証拠を用いた事実確認の課題に対する解決法について述べる。我々は、その2つのモジュール、Retriever と Evidence & Label ジェネレータを詳細に説明し、MMR-re rank や Likert-scale confidence estimation などの特徴を正当化します。我々は、予測の欠陥がデータ内のノイズや曖昧な事実チェックとよく一致し、さらなる研究とデータの増大を引き起こすことを実証的エラー解析により確認する。
論文参考訳（メタデータ） (2024-10-15T09:50:19Z)
MAgICoRe: Multi-Agent, Iterative, Coarse-to-Fine Refinement for Reasoning [60.55556283848063]
大規模言語モデル(LLM)推論は、テストタイムアグリゲーション戦略、すなわち、複数のサンプルを生成し、生成されたサンプル間で投票することで改善することができる。 Refinementは、LLM生成したフィードバックを使ってソリューションの品質を改善する方法を提供する。本稿では,問題の難易度を,難易度や難易度に分類することで,過度な改善を回避するMagICoReを提案する。
論文参考訳（メタデータ） (2024-09-18T17:12:41Z)
Recurrent Early Exits for Federated Learning with Heterogeneous Clients [22.429334632124817]
フェデレーテッド・ラーニング(FL)は、プライバシを保存する方法で、複数のクライアントにまたがるモデルの分散学習を可能にした。 FLの主な課題の1つは、クライアントに様々なハードウェア能力を持たせることである。本稿では,異なるサブモデルの特徴を1つの共有分類器に融合するReeFLという早期終了手法を提案する。
論文参考訳（メタデータ） (2024-05-23T17:01:53Z)
RaFe: Ranking Feedback Improves Query Rewriting for RAG [83.24385658573198]
アノテーションを使わずにクエリ書き換えモデルをトレーニングするためのフレームワークを提案する。公開されているリランカを活用することで、フィードバックはリライトの目的とよく一致します。
論文参考訳（メタデータ） (2024-05-23T11:00:19Z)
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)
Federated Incremental Semantic Segmentation [42.66387280141536]
フェデレート学習に基づくセマンティックセマンティックセグメンテーション(FSS)は、ローカルクライアントでの分散トレーニングを通じて広く注目を集めている。ほとんどのFSSモデルは、カテゴリが事前に固定されていると仮定しており、実用的な応用において古いカテゴリを忘れている。本稿では,クライアント内およびクライアント間両方の側面から,古いクラスにおける異種忘れに対処するフォッッティングベース学習モデルを提案する。
論文参考訳（メタデータ） (2023-04-10T14:34:23Z)
No One Left Behind: Real-World Federated Class-Incremental Learning [111.77681016996202]
ローカル・グローバル・アンチ・フォーゲッティング(LGA)モデルは、局所的およびグローバルな破滅的な忘れに対処する。本研究は,カテゴリ均衡型勾配適応型補償損失とカテゴリ勾配誘導型セマンティック蒸留損失を開発する。ローカルクライアントから収集した新しいカテゴリの摂動型プロトタイプイメージを、自己監督型プロトタイプ拡張を通じて拡張する。
論文参考訳（メタデータ） (2023-02-02T06:41:02Z)
Beyond ADMM: A Unified Client-variance-reduced Adaptive Federated Learning Framework [82.36466358313025]
我々はFedVRAと呼ばれる原始二重FLアルゴリズムを提案し、このアルゴリズムはグローバルモデルの分散還元レベルとバイアスを適応的に制御することができる。半教師付き画像分類タスクに基づく実験は,既存の手法よりもFedVRAの方が優れていることを示す。
論文参考訳（メタデータ） (2022-12-03T03:27:51Z)
Outlier Suppression: Pushing the Limit of Low-bit Transformer Language Models [57.933500846742234]
最近の研究は、構造化された外れ値が量子化性能の重要なボトルネックであることを認識している。本稿では,Gamma Migration と Token-Wise Clipping の2つのコンポーネントを含む外部抑制フレームワークを提案する。このフレームワークは、アウトレイラを効果的に抑制し、プラグアンドプレイモードで使用することができる。
論文参考訳（メタデータ） (2022-09-27T12:05:59Z)
Classifying variety of customer's online engagement for churn prediction with mixed-penalty logistic regression [0.0]
混合ペナルティ項を付加することによりロジスティック回帰の分類を促進する機械学習手法に基づく顧客チャーン率の新たな予測分析を提供する。本研究では,提案手法の分析特性と計算上の優位性を示す。
論文参考訳（メタデータ） (2021-05-17T08:40:34Z)
TACRED Revisited: A Thorough Evaluation of the TACRED Relation Extraction Task [80.38130122127882]
TACREDはリレーショナル抽出(RE)において最も大きく、最も広く使われているクラウドソースデータセットの1つであるパフォーマンスの天井に到達したのか、改善の余地はあるのか? ラベルエラーは絶対F1テストエラーの8%を占めており、例の50%以上を可逆化する必要がある。
論文参考訳（メタデータ） (2020-04-30T15:07:37Z)

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。