基于客户支持交互中消息级情感分析的主动型贬损者检测框架
计算与语言
2022-11-09 v1 信息检索
机器学习
摘要
本文提出一种仅依赖基于聊天的客户支持(CS)交互来预测个体用户推荐决策的框架。在我们的案例研究中，分析了拉丁美洲一家大型电商公司金融垂直领域内共计 16.4k 名用户与 48.7k 段客户支持对话。因此，我们的主要贡献与目标在于利用自然语言处理(NLP)评估并预测推荐行为，其中除使用静态情感分析外，我们还挖掘了每个用户情感动态的预测能力。结果表明，在具备相应特征可解释性的情况下，仅基于其 CS 对话的消息级情感演化，便可以完全自动化的方式预测用户推荐产品或服务的倾向。
引用
@article{arxiv.2211.03923,
title = {Proactive Detractor Detection Framework Based on Message-Wise Sentiment Analysis Over Customer Support Interactions},
author = {Juan Sebastián Salcedo Gallo and Jesús Solano and Javier Hernán García and David Zarruk-Valencia and Alejandro Correa-Bahnsen},
journal= {arXiv preprint arXiv:2211.03923},
year = {2022}
}
备注
10 pages, 4 figures, 1 table. Already accepted at NeurIPS 2022, LatinX in AI Workshop