Customer satisfaction prediction with attention-based RNNs from a chat contact center corpus
Évaluation automatique de la satisfaction client à partir de conversations de type "chat" par réseaux de neurones récurrents avec mécanisme d’attention
Résumé
This paper presents methods to perform knowledge extraction from very large databases of WEB
chat conversations between operators and clients in customer contact centers. Extracting knowledge
from chat corpus is a challenging research issue. Simply applying traditional text mining tools is
clearly sub-optimal as it takes into account neither the interaction dimension nor the particular nature
of this language which shares properties of both spoken and written language. We present a method
predicting users satisfaction in a chat-based service trained on answers from users to satisfaction
surveys.
Cet article présente des méthodes permettant l’évaluation de la satisfaction client à partir de très vastes
corpus de conversation de type “chat” entre des clients et des opérateurs. Extraire des connaissances
dans ce contexte demeure un défi pour les méthodes de traitement automatique des langues de par
la dimension interactive et les propriétés de ce nouveau type de langage à l’intersection du langage
écrit et parlé. Nous présentons une étude utilisant des réponses à des sondages utilisateurs comme
supervision faible permettant de prédire la satisfaction des usagers d’un service en ligne d’assistance
technique et commerciale.
| Origine | Accord explicite pour ce dépôt |
|---|
Loading...