基于弱监督的客服-客户聊天客户情感分析
计算与语言
2021-12-01 v2 人工智能
机器学习
摘要
先前利用弱监督进行情感分析的工作主要关注电影 (IMDB)、餐厅 (Yelp)、产品 (Amazon) 等不同评论。由于在客户支持中缺乏免费公开数据，客户-客服聊天的客户聊天数据在这一方面尚待探索。此处，我们使用弱监督在内部数据集上对客户聊天进行情感分析。我们使用弱监督微调预训练语言模型 (LM) RoBERTa 作为情感分类器。我们的贡献如下：1) 我们表明，通过将弱情感分类器与基于领域词典的规则作为标注函数 (LF) 结合，可利用弱监督训练出相当准确的客户聊天情感分类器。2) 我们将自定义训练模型与现成的谷歌云 NLP API 情感分析性能进行比较。我们表明，即便使用弱监督，通过 LF 注入领域特定知识，我们也能训练出比现成谷歌云 NLP API 更好处理某些领域特定用例的模型。3) 我们还分析了聊天中客户情感与问题解决的关联。
引用
@article{arxiv.2111.14282,
title = {Customer Sentiment Analysis using Weak Supervision for Customer-Agent Chat},
author = {Navdeep Jain},
journal= {arXiv preprint arXiv:2111.14282},
year = {2021}
}