面向金融领域的基于统计与自然语言处理技术的数据驱动内容生成
计算与语言
2021-09-08 v1
摘要
多年来，客户对即时获取信息的期望导致了虚拟助手等渠道使用量的增加。通常，客户在联系在线聊天客服或电话代表之前，会先尝试通过搜索和虚拟助手等低接触渠道解决问题。这些低接触系统使用率更高对客户和组织是双赢的，因为它使组织能够以低成本提供服务，同时客户无需延迟即可获得服务。本文提出了一个两部分框架：第一部分描述了整合来电、搜索和聊天等不同交互渠道信息的方法。我们通过将通话和聊天等高接触交互渠道数据汇总（使用堆叠 Bi-LSTM 网络）为类短搜索查询的客户意图，然后利用层次凝聚聚类（Hierarchical Agglomerative Clustering）从交互数据中原生构建意图分类体系。框架的第二部分侧重于通过分析交互数据源来提取客户问题。它使用 TF-IDF 和 BERT（Devlin 等人，2019）计算相似度分数，并利用句法和语义相似性将这些识别出的问题映射到框架第一部分的输出。
引用
@article{arxiv.2109.02935,
title = {Data Driven Content Creation using Statistical and Natural Language Processing Techniques for Financial Domain},
author = {Ankush Chopra and Prateek Nagwanshi and Sohom Ghosh},
journal= {arXiv preprint arXiv:2109.02935},
year = {2021}
}
备注
In Proceedings of The 3rd Financial Narrative Processing Workshop (FNP 2021) [To be published in ACL Anthology]