Improving customer service with automatic topic detection in user emails
作者: Bojana Bašaragin, Darija Medvecki, Gorana Gojić, Milena Oparnica, Dragiša Mišković
发布时间: 2025-02-27
来源: arxiv
研究方向: 自然语言处理（NLP）在客户服务领域的应用
主要内容
该研究提出了一种基于BERTopic的NLP管道，用于提高塞尔维亚电信公司Telekom Srbija的客户服务效率。该管道通过自动检测和标记用户电子邮件的主题，实现了对客户服务电子邮件的自动分类。
主要贡献
1. 开发了一种基于BERTopic的NLP管道，用于自动检测和标记电子邮件主题。
2. 实现了对客户服务电子邮件的自动分类，提高了客户服务效率。
3. 该管道适用于多种语言，特别是低资源和高形态的语言。
4. 将BERTopic应用于实际客户服务场景，证明了其在客户服务领域的有效性。
研究方法
1. 数据预处理：包括脚本标准化、小写化、标点符号和特殊字符移除、短文档移除、重复文档移除、结束语移除、匿名化占位符移除、长文档移除等。
2. 模型训练：使用BERTopic进行无监督主题建模，包括嵌入提取、降维、聚类和主题表示创建。
3. 模型输出修改：通过手动分组将72个原始主题减少到12个预定义的主题。
4. 评估：通过评估处理速度和主题分配的正确性来评估模型性能。
实验结果
实验结果表明，该模型在处理速度和主题分配的正确性方面表现良好。处理速度平均为0.0521秒/封邮件，加权平均F1分数为0.96。
未来工作
未来工作将包括改进管道以更准确地分配每封邮件的多个主题，并处理超过当前128个标记限制的消息。