面向个人理财问题中的主题检测
计算与语言
2021-10-05 v1
摘要
银行呼叫中心每年接收数百万通电话,而这些通话中的大量信息对于有意追踪呼叫中心新兴趋势的分析师并不可用。在本研究中,我们提出一种呼叫中心主题检测方法,可捕捉一个问题中多个主题的出现,使用带有用户主题标签的公开 StackExchange 个人理财问题语料库作为试验平台。为捕捉单个问题中多个主题的出现,该方法在句子层面而非问题层面进行编码与聚类。我们还展示了最先进的句子编码模型对比,包括 SBERT 系列句子编码器。我们将评估构建为多类分类任务,并表明原始句子文本、Universal Sentence Encoder 与 KMeans 的简单组合优于涉及语义解析、SBERT 系列模型和 HDBSCAN 的更复杂技术。我们性能最高的方法在该任务上取得 0.46 的 Micro-F1,并且表明所得聚类即便略有噪声,也包含与聚类关联标签在主题上一致的句子。
引用
@article{arxiv.2110.01550,
title = {Towards Theme Detection in Personal Finance Questions},
author = {John Xi Qiu and Adam Faulkner and Aysu Ezen Can},
journal= {arXiv preprint arXiv:2110.01550},
year = {2021}
}
备注
Accepted to KDD-MLF 2021: ACM SIGKDD Workshop on Machine Learning in Finance