自动化客户需求分析：旅游行业中大型语言模型的比较研究
计算与语言
2025-04-10 v2 人工智能
人机交互
机器学习
摘要
在快速发展的自然语言处理（NLP）领域，大型语言模型（LLMs）已成为从海量文本数据中提取有价值见解等许多任务的强大工具。在本研究中，我们对 LLMs 从 TripAdvisor 和 Reddit 帖子中提取旅游客户需求的能力进行了比较分析。我们利用了一系列模型，包括开源和专有模型，如 GPT-4 和 Gemini，旨在阐明它们在这个特定领域的优缺点。通过涉及 BERTScore、ROUGE 和 BLEU 等指标的评估过程，我们评估了每个模型在准确识别和总结客户需求方面的性能。我们的发现突显了开源 LLMs，特别是 Mistral 7B，在实现与更大闭源模型相当的性能的同时，提供了可负担性和定制化优势。此外，我们强调了在为需求分析任务选择最合适的 LLM 时，考虑模型大小、资源需求和性能指标等因素的重要性。总体而言，这项研究为寻求利用先进 NLP 技术来增强客户体验并提高旅游行业运营效率的企业提供了宝贵的见解。
引用
@article{arxiv.2404.17975,
title = {Automating Customer Needs Analysis: A Comparative Study of Large Language Models in the Travel Industry},
author = {Simone Barandoni and Filippo Chiarello and Lorenzo Cascone and Emiliano Marrale and Salvatore Puccio},
journal= {arXiv preprint arXiv:2404.17975},
year = {2025}
}