口语客户—坐席对话中用户请求与投诉的预测
计算与语言
2022-08-23 v1 人工智能
摘要
我们提出名为 HealthCall 的语料库。该语料库在 Malakoff Humanis 呼叫中心的真实条件下录制，包含两条独立的音频通道，分别为客户和坐席。每段对话均按照《通用数据保护条例》进行匿名化处理。该语料库包含口语对话的转写文本，并划分为训练集与开发集两部分。我们在 HealthCall 语料库上评估了两项重要的客户关系管理任务：用户请求类型的自动预测与投诉检测。为此，我们研究了14组特征集：6组语言特征集、6组音频特征集和2组语音交互特征集。对于语言特征，我们使用了 Bidirectional Encoder Representation from Transformers 模型；对于音频特征，使用了 openSMILE 和 Wav2Vec 2.0。语音交互特征集基于话轮转换（Turn Takings）设计并开发。结果表明，语言特征始终取得最佳结果（请求任务91.2%，投诉任务70.3%）。Wav2Vec 2.0 特征相较于 ComPaRe16 特征似乎更适用于这两项任务。在投诉任务上，语音交互特征以仅六个特征取得57%的准确率，优于 ComPaRe16 特征。
引用
@article{arxiv.2208.10249,
title = {Prediction of User Request and Complaint in Spoken Customer-Agent Conversations},
author = {Nikola Lackovic and Claude Montacié and Gauthier Lalande and Marie-José Caraty},
journal= {arXiv preprint arXiv:2208.10249},
year = {2022}
}
备注
5 pages, 1 figure, 4 tables