Utilize este identificador para referenciar este registo:
https://hdl.handle.net/10316/83530
Título: | Capacitar chat bots utilizando machine learning | Outros títulos: | Enhancing chat bots using machine learning | Autor: | Rodrigues, Tiago Martins | Orientador: | Oliveira, Hugo Ricardo Gonçalo Loureiro, Ricardo |
Palavras-chave: | Apoio ao cliente; Similaridade Semântica; PLN; SVM; Call Center; Customer support; Semantic Simmilarity; NLP; SVM; Call Center | Data: | 29-Jan-2018 | Título da revista, periódico, livro ou evento: | Capacitar chat bots utilizando machine learning | Local de edição ou do evento: | WIT Software SA | Resumo: | A importância de um bom atendimento ao cliente implica por parte das grandes empresas na área das telecomunicações a subcontratação de \textit{call centers}, o que se traduz numa grande complexidade ao nível da gestão de recursos e informação, com um custo associado elevado.A tipologia de perguntas dos consumidores realizadas aos call centers segue aproximadamente o princípio de Pareto, onde um pequeno número de perguntas corresponde a uma grande quantidade de casos. Neste trabalho, exploramos a possibilidade de criar um sistema híbrido Humano/Máquina que seja capaz de responder de forma autónoma e automática às perguntas mais frequentes, bem como às perguntas mais exigentes, recorrendo sempre que necessário à ajuda do assistente humano. Isto permite reduzir de forma drástica a carga de assistência do call center, e aliviar focos de frustração entre cliente e assistente durante as sessões de apoio.Com a possibilidade de aprender através da sua utilização frequente, o sistema desenvolvido será ainda capaz de responder a um número cada vez maior de perguntas.Para atingirmos este objetivo, exploramos vários modelos de aprendizagem e vários conjuntos de features para tentarmos encontrar o modelo que melhor se adequa às necessidades das empresas.Dada a natureza híbrida da solução com os modelos desenvolvidos é possível responder a 80% das questões mantendo a taxa de erro nos 0%Com este sistema, damos resposta a duas necessidades do mercado. Primeiramente, oferecemos ao utilizador uma forma de ter as suas questões respondidas em formato de texto, algo que os estudos de mercado apontam como preferencial e como tendência atual. Em segundo lugar, apresentamos às empresas um plano de assistência mais económico e com gestão menos complexa. A good customer support is essential for big companies in the telecommunications sector and it frequently entails difficulties subcontracting call centers, specifically issues managing human resources and great volumes of information, all of which end up surging up the costs.The type of question asked to the call center follows the Pareto principle, where a small subset of questions appears in a big number of the calls. In this work, we try to explore the possibility of using a hybrid system, as Human/Machine. This would be able to answer frequent questions automatically, as well as difficult questions with the help of the human expertise, thus relieving the workload on the call center.With the possibility to learn from its frequent usage, the system that's developed will be able to have a greater capacity at answering an ever increasing number of questions.To achieve this goal, we explore some learning models and try different sets of features, in order to find a suitable model that can respond to the companies’ needs. Taking into account the hybrid nature of the solution, following the models developed, it's possible to answer to about 80% of the questions, and still have an error percentage of 0%.With this system, we tackle two big needs of the market. First by providing the user with a way to have his questions answered in a textual manner, something a market study has shown the users are increasingly demanding and that is on trend. And secondly, by presenting companies with a less expensive and less complex support plan. |
Descrição: | Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia | URI: | https://hdl.handle.net/10316/83530 | Direitos: | openAccess |
Aparece nas coleções: | UC - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
relatorio_final.pdf | 957.7 kB | Adobe PDF | Ver/Abrir |
Visualizações de página 50
634
Visto em 20/ago/2024
Downloads 50
610
Visto em 20/ago/2024
Google ScholarTM
Verificar
Este registo está protegido por Licença Creative Commons