Loading...
Publication
Descoberta de fluxos de diálogo através de técnicas de aprendizagem computacional
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 8.85 MB | Adobe PDF |
Authors
Abstract(s)
Os centros de atendimento são alvo de elevada pressão para atingir altos níveis de
exigência, fruto da migração de mercados para o mundo digital. Os utilizadores cada
vez mais esperam ter os seus problemas resolvidos em tempo real e à distância de
um clique. Por esta razão, estes serviços tornam-se essenciais na relação cliente empresa. O sucesso ou insucesso da interação entre um cliente e um centro de
atendimento depende principalmente dos agentes envolvidos, sejam humanos ou
virtuais, pois são eles que desempenham o papel principal na comunicação com o
utilizador.
Com os avanços da Inteligência Artificial e de Machine Learning tem-se procurado
desenvolver soluções capazes de automatizar ou acelerar a comunicação com o
utilizador. No entanto, são muitos os desafios encontrados para atingir o objetivo
final: uma otimização dos agentes inteligentes para que ofereçam uma resposta
rápida e eficaz. Desta forma, é imperativo manter completo e atualizado o
conhecimento destes agentes para que possam responder às necessidades e
requisitos dos clientes.
Neste sentido, o presente trabalho utiliza técnicas de Processamento de Linguagem
Natural e recorre à aprendizagem não supervisionada para agrupar falas em
diferentes conjuntos de diálogos públicos de acordo com o seu significado. São
utilizadas diferentes representações das falas, que levam a uma análise sobre o que
os clusters obtidos representam e do que se aproximam. Esse clustering permite
identificar sequências entre conjuntos relacionados de falas, e assim representar
fluxos de diálogo. Estes permitem dar uma visão de alto nível de conversas, que
servirão de auxílio aos agentes inteligentes e, consequentemente, aos centros de
atendimento. Esse auxílio foi testado através da criação de um chatbot que tenha
como orientação os fluxos que foram produzidos.
Através de abordagens não supervisionadas propõe-se uma metodologia para criar
fluxos de diálogo que podem ser uma ferramenta valiosa para melhorar a eficiência
de sistemas de recomendação.
Description
Keywords
Processamento de linguagem natural Reconhecimento de atos de diálogo Reconhecimento de intents Machine learning Modelos de Markov Chatbots