論文の概要: AI-Based IVR

• arxiv url: http://arxiv.org/abs/2408.10549v1
• Date: Tue, 20 Aug 2024 05:04:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 15:03:52.611871
• Title: AI-Based IVR
• Title（参考訳）: AIベースのIVR
• Authors: Gassyrbek Kosherbay, Nurgissa Apbaz,
• Abstract要約: 本稿では,コールセンターにおけるシステム効率向上のための人工知能(AI)技術の適用について検討する。 提案手法は、音声からテキストへの変換、大規模言語モデル(LLM)を用いたテキストクエリ分類、音声合成の統合に基づく。 これらの技術をカザフ語に適応させることに特に注意が払われている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The use of traditional IVR (Interactive Voice Response) methods often proves insufficient to meet customer needs. This article examines the application of artificial intelligence (AI) technologies to enhance the efficiency of IVR systems in call centers. A proposed approach is based on the integration of speech-to-text conversion solutions, text query classification using large language models (LLM), and speech synthesis. Special attention is given to adapting these technologies to work with the Kazakh language, including fine-tuning models on specialized datasets. The practical aspects of implementing the developed system in a real call center for query classification are described. The research results demonstrate that the application of AI technologies in call center IVR systems reduces operator workload, improves customer service quality, and increases the efficiency of query processing. The proposed approach can be adapted for use in call centers operating with various languages.
• Abstract（参考訳）: 従来のIVR(Interactive Voice Response)手法は、顧客のニーズを満たすには不十分であることがしばしば証明される。 本稿では,コールセンターにおけるIVRシステムの効率向上のための人工知能(AI)技術の適用について検討する。 提案手法は、音声からテキストへの変換ソリューションの統合、大規模言語モデル(LLM)を用いたテキストクエリ分類、音声合成に基づく。 特別なデータセットの微調整モデルを含む、カザフ語で動くようにこれらの技術を適用することには、特に注意が払われている。 本稿では,クエリ分類のための実コールセンタにおけるシステム実装の実践的側面について述べる。 その結果、コールセンタIVRシステムにおけるAI技術の応用は、オペレータの作業量を削減し、顧客のサービス品質を向上し、クエリ処理の効率化を図っている。 提案手法は、様々な言語で動作するコールセンターでの使用に適応することができる。

関連論文リスト

• SONAR: A Synthetic AI-Audio Detection Framework and Benchmark [59.09338266364506]
  SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。 最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供することを目的としている。 従来のモデルとファンデーションベースのディープフェイク検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
  論文  参考訳（メタデータ） (2024-10-06T01:03:42Z)
• The OCON model: an old but green solution for distributable supervised classification for acoustic monitoring in smart cities [0.28675177318965045]
  本稿では,音声認識領域における母音音素分類と話者認識について述べる。 われわれのケーススタディでは、ASRモデルは独自のセンシングと稲妻システムで動作し、都市部における大気汚染の監視に利用されている。 情報グリッド探索手法を用いて,疑似ニューラルアーキテクチャ探索とハイパースチューニング実験の組み合わせを形式化し,現在最も複雑なアーキテクチャに匹敵する分類精度を実現する。
  論文  参考訳（メタデータ） (2024-10-05T09:47:54Z)
• CA-BERT: Leveraging Context Awareness for Enhanced Multi-Turn Chat Interaction [2.3178408584843906]
  本稿では, この課題に対処するために, 変換器をベースとしたモデルである Context-Aware BERT (CA-BERT) を紹介する。 本稿では,チャット対話の特別なデータセットに焦点をあてた新しいトレーニング手法により,BERTの堅牢なアーキテクチャを適応させるCA-BERTの開発について述べる。 このモデルはコンテキスト要求を分類する能力に基づいて評価され、精度と効率の点でベースラインBERTモデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-09-05T06:27:59Z)
• Large Language Models for Power Scheduling: A User-Centric Approach [6.335540414370735]
  本稿では、任意のユーザの音声要求(VRQ)をリソース割り当てベクトルに変換することで、リソーススケジューリング問題に対する新しいアーキテクチャを提案する。 具体的には、要求を最適化問題(OP)に変換するためのLLM意図認識エージェント、LLM OPパラメータ識別エージェント、OP解決エージェントを設計する。
  論文  参考訳（メタデータ） (2024-06-29T15:47:28Z)
• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [71.85120354973073]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• App for Resume-Based Job Matching with Speech Interviews and Grammar Analysis: A Review [0.11249583407496219]
  本稿では,ジョブインタビュー作成のための音声とテキストに基づく自然言語処理を提供するエンドツーエンドシステムの実現可能性について検討する。 既存のレコメンデータベースのシステムについても検討し、その制限に注意する。
  論文  参考訳（メタデータ） (2023-11-20T18:03:08Z)
• Learning Action-Effect Dynamics for Hypothetical Vision-Language Reasoning Task [50.72283841720014]
  本研究では,行動の効果に関する推論を改善する新しい学習戦略を提案する。 本稿では,提案手法の有効性を実証し,性能,データ効率,一般化能力の観点から,従来のベースラインに対する優位性を論じる。
  論文  参考訳（メタデータ） (2022-12-07T05:41:58Z)
• 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)
• Dynamic Acoustic Unit Augmentation With BPE-Dropout for Low-Resource End-to-End Speech Recognition [62.94773371761236]
  我々は、OOVレートの高い低リソースセットアップで効果的なエンドツーエンドASRシステムを構築することを検討します。 本稿では,BPE-dropout法に基づく動的音響ユニット拡張法を提案する。 我々の単言語トルココンフォーマーは22.2%の文字誤り率(CER)と38.9%の単語誤り率(WER)の競争結果を確立した。
  論文  参考訳（メタデータ） (2021-03-12T10:10:13Z)
• Towards AIOps in Edge Computing Environments [60.27785717687999]
  本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。 高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
  論文  参考訳（メタデータ） (2021-02-12T09:33:00Z)

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。