一种用于客户服务路由的带臂级资格控制的非参数上下文赌博机
机器学习
2022-09-13 v1
摘要
亚马逊客户服务每年为数百万客户联系提供实时支持。尽管机器人解决器有助于自动化部分流量,我们仍看到对人工客服(亦称主题专家,SMEs)的高需求。客户就不同领域(退货政策、设备排障等)的问题进行咨询。根据其培训,并非所有 SME 都有资格处理所有联系。将联系路由至有资格的 SME 是一个非平凡问题,因为 SME 的领域资格受培训质量影响且可能随时间变化。为在最优推荐 SME 的同时学习真实资格状态,我们提出以非参数上下文赌博机算法(K-Boot)加资格控制(EC)算法来建模路由问题。K-Boot 通过由 -NN 选取的相似历史样本上的核平滑器建模奖励,并采用 Bootstrap Thompson Sampling 进行探索。EC 根据系统初始声明的资格过滤臂(SME),并动态验证该信息的可靠性。所提 K-Boot 是一种通用赌博机算法,EC 可应用于其他赌博机。我们的仿真研究表明,K-Boot 性能与最先进 Bandit 模型相当,且当存在随机资格信号时 EC 提升了 K-Boot 性能。
引用
@article{arxiv.2209.05278,
title = {A Nonparametric Contextual Bandit with Arm-level Eligibility Control for Customer Service Routing},
author = {Ruofeng Wen and Wenjun Zeng and Yi Liu},
journal= {arXiv preprint arXiv:2209.05278},
year = {2022}
}
备注
Accepted at 4th Edition of Knowledge-aware and Conversational Recommender Systems (KaRS) Workshop @ RecSys 2022, September 18--23 2023, Seattle, WA, USA