GPT-Calls：通过大语言模型生成合成对话增强通话分段与标注
计算与语言
2023-06-14 v1 机器学习
摘要
电话通话的转写文本在销售、客户服务、医疗与执法等多个领域具有重要价值。然而，这些录音对话的分析可能是一项艰巨且耗时的过程，尤其在处理冗长或复杂的对话时。本工作中，我们提出一种新方法，GPT 蒸馏的通话分段与标注（GPT-Calls），用于高效且准确的通话分段与主题提取。GPT-Calls 由离线与在线两个阶段组成。离线阶段对给定主题列表应用一次，涉及使用 GPT 模型为每个主题生成合成句子分布并提取锚向量。在线阶段对每次通话分别应用，并评分转写对话与离线阶段所得主题锚之间的相似度。随后，对相似度分数应用时域分析以将话语分组为片段并标注主题。所提范式提供了一种准确高效、无需标注数据的通话分段与主题提取方法，从而使其成为适用于多领域的通用方法。我们的算法在 Dynamics 365 Sales Conversation Intelligence 生产环境中运行，且我们的研究基于从多个 Dynamics 365 Sales 租户收集的真实销售对话。
引用
@article{arxiv.2306.07941,
title = {GPT-Calls: Enhancing Call Segmentation and Tagging by Generating Synthetic Conversations via Large Language Models},
author = {Itzik Malkiel and Uri Alon and Yakir Yehuda and Shahar Keren and Oren Barkan and Royi Ronen and Noam Koenigstein},
journal= {arXiv preprint arXiv:2306.07941},
year = {2023}
}