LLM引导的生命周期感知的多轮客户支持对话聚类
人工智能
2026-01-09 v1
摘要
聚类客户聊天数据对处理多服务查询的云提供商至关重要。传统方法在处理重叠关注点方面困难，并创建宽泛且随时间而变的聚类，导致效果下降。重新聚类会破坏连续性，使问题跟踪困难。我们提出了一个自适应系统，将多轮聊天分为特定服务的关注点，并在新问题出现时逐步细化聚类。通过DaviesBouldin指数和轮廓得分跟踪聚类质量，仅对恶化的聚类应用LLM-based分割。我们的方法相较于基线方法，将轮廓得分提高了100%以上，将DBI降低65.6%，实现可扩展的实时分析，无需完整重新聚类。
引用
@article{arxiv.2601.04388,
title = {LLM-Guided Lifecycle-Aware Clustering of Multi-Turn Customer Support Conversations},
author = {Priyaranjan Pattnayak and Sanchari Chowdhuri and Amit Agarwal and Hitesh Laxmichand Patel},
journal= {arXiv preprint arXiv:2601.04388},
year = {2026}
}
备注
Accepted in AACL 2025 Main Conference