Эксперт из DS Community Санкт-Петербургского IT-хаба Сбербанка (блок КИБ) Алексей Резвых, руководитель направления по исследованию данных Сбера, совместно с исследователями из Лаборатории ИИ Сбера и МФТИ разработали метод сегментации диалогов на тематики на основе моделей суммаризации без использования размеченных данных, что поможет значительно улучшить качество работы колл-центров и менеджеров по продажам
Разделение большого диалога на темы помогает организовать информацию и облегчает её понимание. Когда диалог разбит на части, каждая из которых посвящена определённой теме, становится проще сосредоточиться на конкретном вопросе, а также можно отследить, сколько по времени заняло обсуждение той или иной темы. Это позволит анализировать работу операторов и точнее выявлять проблемы, с которыми обращаются клиенты. Кроме того, этот метод может быть использован для обучения диалоговых ботов, которым необходимо предоставлять конкретный материал для работы.
Основное преимущество нового метода — отсутствие необходимости размечать данные для обучения нейросети. Это позволяет лучше понимать смысл текста и значительно сокращать время и ресурсы, необходимые для обучения модели.
Эксперименты показали, что новый подход превосходит традиционные модели, основанные на обучении без учителя. Однако новый метод разделения диалога уступает методам, основанным на обучении с учителем, которые справляются лучше на основе размеченных примеров. Новая модель представляет собой инструмент для быстрого поиска проблем клиентов и быстрого реагирования на них.
Подробнее со статьей можно ознакомиться на сайте Openreview