门户
图库
科技
数据
VR
区块链
学院
论坛
百科
导航
登录
注册
帮助
公社首页
中国人工智能社区
公社版块
公社群组
Group
升级会员
用户名
Email
自动登录
找回密码
密码
登录
立即注册
登录后你可以:
登录
首次使用?
点我去注册
搜索
搜索
本版
帖子
公社群组
用户
道具
勋章
任务
设置
我的收藏
退出
首页
›
智能技术
›
自然语言
›
基于深度学习的自然语言处理
返回列表
基于深度学习的自然语言处理
[复制链接]
高台高高画角
2018-10-14 20:51:54
显示全部楼层
|
阅读模式
基于深度学习的自然语言处理
——某客服中心客户营销可能性分析
1
背景
客服中心直面客户,每天要接听10万余次电话,与上万个客户打交道。在目前网点客流日益减少的情况下,客户中心作为与客户沟通的重要渠道作用日益凸显。如何提升客服中心的营销水平,成为某客服中心最为关注的问题之一。
本文主要研究通过客户电话录音,利用深度学习技术来识别客户营销可能性。
2
模型设计及对比
我们对某客服中心的20518条电话录音进行语音识别,由业务专家进行对其打上“可营销客户”、“不可营销客户”的标签,正负样本数目如下:
我们设计了5个模型,分别为简单神经网络、简单CNN、FastText(分别作了1-gram,2-gram两个模型)、TextCNN,运行环境为Keras + Tensorflow后端,采用jieba作为中文粉刺软件,GPU为NVidia GTX1060 6G。
各模型结构如下:
Simple NN:
CNN:
FastText:
TextCNN:
对比结果如下:
各模型训练的准确率和损失对比图:
3
总结
从上面对比我们可以看出,FastText模型很好的取得了训练时间和准确率的平衡,同时也很好地抑制了过拟合,其余几种模型都存在过拟合问题。
就本数据集来说,FastText1-gram和2-gram效果差不多。
因此,我们建议在短文本分类上,推荐采用FastText 1-gram模型进行分类。
本文简单地对比了几种模型,没有对各种参数进行调优,同时由于第三方语音识别的准确率不高,大概只有80%左右,这个因素也会影响到模型的准确率。
4
展望
1、我们在做客户画像的时候总是从一些客观数据入手。比如客户的身份信息、账户信息等。但是总有一些客户他在银行内的客户评级系统中评级不是很高且账户中的活期、定期存款也不是很多。但是这并不一定就代表这个客户本身没有“钱”。可以尝试把客户意愿加入到客户画像当中,使我们的画像更完善。
2、如果有足够的数据和标签来训练模型,那在语音识别系统中在客户提出问题后就能更准确的给出满意答案。
转载本公众号文章请联系我们
◆ 公众号内容仅用于内部分享
◆ “工作随笔”欢迎投稿:
zouli@abchina.com
顾 问:赵维平
杜 俊
主 编:张 勇
轮值编辑:马 凯
邹 黎
轮值审稿:陈宏晓
识别二维码,
了解【数说吧】
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
回复
使用道具
举报
发表新帖
回复
高级模式
B
Color
Image
Link
Quote
Code
Smilies
本版积分规则
发表回复
回帖后跳转到最后一页
高台高高画角
金牌会员
0
关注
0
粉丝
100
帖子
Ta的主页
发布
加好友
最近发表
2023年全球智能可穿戴腕带出货量及竞争格局分析
智能穿戴概念8日主力净流出24.84亿元,光启技术、立讯精密居前
智能穿戴概念11日主力净流入5.62亿元,三六零、兆易创新居前
智能穿戴概念10日主力净流出23.94亿元,立讯精密、中兴通讯居前
智能穿戴概念9日主力净流入6998.51万元,水晶光电、九安医疗居前
云天励飞豪掷1.8亿收购智能穿戴IDH方案商,引领行业新潮流
公社版块
版块推荐
更多版块
智能穿戴
智能家居
机器人
无人驾驶
无人机
反馈吐槽
闲聊灌水
大话智能
大数据
图像识别
自然语言
数据挖掘
大话智能
数据挖掘
北大讲座
清华讲座
网贷观察
股市评论
区块链
闲聊灌水
反馈吐槽
站务通知
关注我们