論文の概要: Improving customer service with automatic topic detection in user emails

• arxiv url: http://arxiv.org/abs/2502.19115v1
• Date: Wed, 26 Feb 2025 13:10:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:59:45.098730
• Title: Improving customer service with automatic topic detection in user emails
• Title（参考訳）: ユーザメールの自動トピック検出によるカスタマーサービスの改善
• Authors: Bojana Bašaragin, Darija Medvecki, Gorana Gojić, Milena Oparnica, Dragiša Mišković,
• Abstract要約: 本研究では、Telekom Srbijaにおけるカスタマーサービスの効率を高める新しい自然言語処理パイプラインを紹介する。 パイプラインの中心にあるBERTopicは、教師なしトピックモデリングを可能にするモジュールアーキテクチャである。 パイプラインは、特に低リソースで形態的にリッチな言語に対して、幅広い適用性を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study introduces a novel Natural Language Processing pipeline that enhances customer service efficiency at Telekom Srbija, a leading Serbian telecommunications company, through automated email topic detection and labelling. Central to the pipeline is BERTopic, a modular architecture that allows unsupervised topic modelling. After a series of preprocessing and post-processing steps, we assign one of 12 topics and several additional labels to incoming emails, allowing customer service to filter and access them through a custom-made application. The model's performance was evaluated by assessing the speed and correctness of the automatically assigned topics across a test dataset of 100 customer emails. The pipeline shows broad applicability across languages, particularly for those that are low-resourced and morphologically rich. The system now operates in the company's production environment, streamlining customer service operations through automated email classification.
• Abstract（参考訳）: 本研究では,セルビアの主要な通信企業であるTelekom Srbijaにおいて,電子メールの自動トピック検出とラベリングを通じて,顧客サービス効率を向上させる新しい自然言語処理パイプラインを提案する。 パイプラインの中心にあるBERTopicは、教師なしトピックモデリングを可能にするモジュールアーキテクチャである。 一連の前処理と後処理のステップの後、12のトピックのうちの1つといくつかのラベルを受信メールに割り当てます。 このモデルの性能は、100件の顧客メールのテストデータセットで自動的に割り当てられたトピックの速度と正確性を評価することで評価された。 パイプラインは、特に低リソースで形態的にリッチな言語に対して、幅広い適用性を示している。 システムは現在、同社のプロダクション環境で運用されており、自動Eメール分類を通じて顧客サービスの運用を合理化している。

関連論文リスト

• Text-Based Detection of On-Hold Scripts in Contact Center Calls [0.6138671548064356]
  平均保持時間は、顧客満足度に影響を与えるため、コールセンターにとって懸念事項である。 本研究では,自動音声認識技術により書き起こされたカスタマーサービスコールのオンホールドフレーズを検出する自然言語処理モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-13T11:11:41Z)
• Overview of Robust and Multilingual Automatic Evaluation Metrics for Open-Domain Dialogue Systems at DSTC 11 Track 4 [51.142614461563184]
  第11回対話システム技術チャレンジ(DSTC11)のこのトラックは、堅牢で多言語による自動評価のメトリクスを促進するために進行中の取り組みの一部である。 本稿では、参加者に提供するデータセットとベースラインについて述べ、提案した2つのサブタスクの提出と結果の詳細について論じる。
  論文  参考訳（メタデータ） (2023-06-22T10:50:23Z)
• Revisiting Automated Topic Model Evaluation with Large Language Models [82.93251466435208]
  より大きな言語モデルは、結果のトピックを適切に評価する。 次に,大規模言語モデルを用いてトピックの最適な数を自動的に決定できるかどうかを検討する。
  論文  参考訳（メタデータ） (2023-05-20T09:42:00Z)
• 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)
• GODEL: Large-Scale Pre-Training for Goal-Directed Dialog [119.1397031992088]
  ダイアログのための大規模事前学習言語モデルであるGODELを紹介する。 GODELは、数ショットの微調整設定で、最先端の事前訓練ダイアログモデルより優れていることを示す。 評価手法の新たな特徴は,応答の有用性を評価するユーティリティの概念の導入である。
  論文  参考訳（メタデータ） (2022-06-22T18:19:32Z)
• A pipeline and comparative study of 12 machine learning models for text classification [0.0]
  テキストベースのコミュニケーションは、特にビジネス環境では、コミュニケーション方法として非常に好まれる。 テキスト分類のための多くの機械学習手法が提案され、ほとんどのメールプロバイダのサービスに組み込まれている。 しかし、テキスト分類アルゴリズムを最適化し、攻撃性に関する適切なトレードオフを見つけることは、依然として大きな研究課題である。
  論文  参考訳（メタデータ） (2022-04-04T23:51:22Z)
• What is wrong with you?: Leveraging User Sentiment for Automatic Dialog Evaluation [73.03318027164605]
  本稿では,次のユーザの発話から自動的に抽出できる情報をプロキシとして利用して,前のシステム応答の質を測定することを提案する。 本モデルは,実際のユーザおよび有償ユーザから収集した音声と書面の両方のオープンドメインダイアログコーパスを一般化する。
  論文  参考訳（メタデータ） (2022-03-25T22:09:52Z)
• A Flexible Clustering Pipeline for Mining Text Intentions [6.599344783327053]
  Verint Intent Manager内にフレキシブルでスケーラブルなクラスタリングパイプラインを作成します。 言語モデルの微調整、高性能なk-NNライブラリ、コミュニティ検出技術を統合する。 VIMアプリケーションにデプロイされるように、このクラスタリングパイプラインは高品質な結果を生成する。
  論文  参考訳（メタデータ） (2022-02-01T22:54:18Z)
• Machine Translation Customization via Automatic Training Data Selection from the Web [97.98885151955467]
  特定のドメインで機械翻訳システムをカスタマイズするためのアプローチについて説明します。 ターゲットとなる顧客データに似たデータを選択し、ニューラル翻訳モデルを訓練する。 最後に、自動選択したデータに基づいてMTモデルをトレーニングし、対象領域に特化したシステムを得る。
  論文  参考訳（メタデータ） (2021-02-20T03:29:41Z)
• Turn-level Dialog Evaluation with Dialog-level Weak Signals for Bot-Human Hybrid Customer Service Systems [0.0]
  インタラクションの間いつでも、顧客サービスコンタクトにおける成功や価値の複数の側面を定量化する機械学習アプローチを開発しました。 いくつかのアプリケーションにおいて、Amazonのカスタマーサービス品質がどのように改善されているかを示します。
  論文  参考訳（メタデータ） (2020-10-25T19:36:23Z)
• Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
  本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。 メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-05-26T23:41:05Z)

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。