利用语音识别与命名实体识别处理和提取客户对话中的关键实体
计算与语言
2024-09-02 v1 机器学习
摘要
在电子商务快速发展的现代技术时代，从业务对话中理解客户需求和细节十分重要，这对客户留存与满意度至关重要。从这些对话中提取关键洞察对于产品开发或问题解决非常关键。理解客户反馈、回应及产品重要细节必不可少，而这可通过命名实体识别（NER）实现。为提取实体，我们使用最优语音转文本模型将对话转为文本。该模型为一个两阶段网络，对话先被转为文本，随后使用基于 NER BERT transformer 模型的鲁棒技术提取合适实体。这将提升客户遇到问题时的体验。若客户遇到问题，他会致电并登记投诉。模型随后从该对话中提取审视问题所需的 key 特征，包括订单号与确切问题等细节。这些均直接从对话中提取，从而减少再次审阅对话的工作量。
引用
@article{arxiv.2211.17107,
title = {Handling and extracting key entities from customer conversations using Speech recognition and Named Entity recognition},
author = {Sharvi Endait and Ruturaj Ghatage and DD Kadam},
journal= {arXiv preprint arXiv:2211.17107},
year = {2024}
}