Service client IA sensible aux émotions

Concevoir une solution efficace pour détecter le sentiment des clients et son intensité, en particulier dans les situations pour lesquelles l'ensemble de données de formation est limité.

Extraire le sentiment et son intensité des commentaires des clients et y répondre avec une attitude appropriée afin d'améliorer la qualité de l'expérience de demande des clients.

Les représentants du service client de JD sont censés traiter quotidiennement des millions de demandes. Les systèmes de service client d'IA réguliers, qui sont en ligne 24 heures sur 24, 7 jours sur 7, sont capables d'offrir une assistance instantanée, ce qui libère dans une large mesure les ressources en main-d'œuvre. Cependant, il est assez difficile, voire impossible, pour ces systèmes d'interpréter les émotions des commentaires des clients et de répondre de manière aussi amicale qu'un être humain. Dans ce contexte, sur la base d'un vaste ensemble de données de commentaires de clients et de la riche expérience du traitement du langage naturel, notre système peut détecter automatiquement des sentiments tels que "heureux, en colère, anxieux", etc. De plus, ce système peut également détecter l'intensité du sentiment du client. De plus, nous adaptons les réseaux de neurones convolutifs, une technique largement utilisée en informatique visuelle, pour interpréter la signification sémantique de l'expression des clients. Il peut améliorer les performances des systèmes pour la classification des sentiments et la détection de l'intensité. De plus, avec l'adoption de l'apprentissage par transfert, le système peut également être appliqué à divers types de données. Pour surmonter la difficulté des données d'entraînement limitées, nous utilisons également des méthodes d'augmentation des données telles que la traduction inverse et le bruit des données pour augmenter la variabilité des données d'entraînement. Jusqu'à présent, le système a atteint 90 % de rappel et 74 % de précision pour la classification des sentiments sur sept catégories. Le rappel global et la précision de l'intensité du sentiment sont également d'environ 85 %. Le système a augmenté la satisfaction des clients de 57 %.