利用 CNN 和 GRU 网络自动分析客户反馈
计算与语言
2017-10-13 v1
摘要
分析客户反馈是将数据转化为有利于企业家和客户的新型营销策略的最佳途径。因此，能够分析客户行为的自动化系统需求巨大。用户可能用任何语言撰写反馈，因此挖掘适当的信息往往变得难以处理。特别是在传统的基于特征的监督模型中，由于必须理解相关语言才能找到相关特征，构建通用系统十分困难。为了克服这一问题，我们提出了基于深度卷积神经网络 (CNN) 和循环神经网络 (RNN) 的方法，这些方法不需要手工构建特征。我们在四种语言（即英语、法语、日语和西班牙语）上评估了这些用于分析客户反馈句子的技术。我们的实证分析表明，我们的模型在 IJCNLP 客户反馈分析共享任务的所有四种语言设置中均表现良好。我们的模型在法语中获得了第二名，准确率为 71.75%，并在所有其他语言中获得第三名。
引用
@article{arxiv.1710.04600,
title = {Auto Analysis of Customer Feedback using CNN and GRU Network},
author = {Deepak Gupta and Pabitra Lenka and Harsimran Bedi and Asif Ekbal and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:1710.04600},
year = {2017}
}