基于多推特参数的客户满意度检测机器学习方法
机器学习
2024-08-31 v1 计算与语言
摘要
随着互联网技术的进步，客户满意度已成为公司发展的主要因素之一。在线平台已成为分享评论的重要场所。Twitter 是客户频繁发布想法的平台之一。在这些平台上关于航班的评论已成为航空业关注的问题。正面评论有助于公司增长，而负面评论则可能迅速破坏其收入和声誉。因此，航空企业审查客户的反馈和体验并提升服务以保持竞争力至关重要。但是，研究数千条推文并分析它们以确定客户满意度是一项相当困难的任务。利用机器学习方法分析推文以确定客户满意度水平，可以使这一繁琐的过程变得更容易。此前已有一些工作致力于利用机器学习和深度学习技术自动化这一过程。然而，这些工作仅关注评估文本的情感。除了文本外，推文还包含时间、地点、用户名、航空公司名称等信息。这些额外信息对于提高模型结果至关重要。为了提供基于机器学习的解决方案，这项工作拓宽了视野，将这些特征纳入其中。毫不意外的是，超出文本情感分析的额外特征在基于机器学习的模型中产生了更好的结果。
引用
@article{arxiv.2402.15992,
title = {A Machine Learning Approach to Detect Customer Satisfaction From Multiple Tweet Parameters},
author = {Md Mahmudul Hasan and Shaikh Anowarul Fattah},
journal= {arXiv preprint arXiv:2402.15992},
year = {2024}
}