Для аналитиков КЦ важно быстро понимать, какой состав тем есть в корпусе диалогов, чтобы быстро проводить автоматизацию работы. Построение такой таксономии полностью вручную - очень трудоёмкая задача, которая требует автоматизации.
Описание исходной ситуации:
Автоматизация ответов операторов контактного центра предполагает наличие таксономии проблематик, с которыми обращаются клиенты. Такая таксономия позволит провести категоризацию обращений с последующей их обработкой. При сотрудничестве с большим числом контактных центров различной тематики необходима система быстрого анализа корпуса диалогов. Требуется создать инструмент автоматического построения готовых таксономий для корпусов диалогов.
Решение MIL Team:
- Снижение нагрузки на аналитика
- Снижение времени выявления новых категорий
- Определение новых интентов в потоке обращений
Разрешенные сложности
- Модель, устойчивая к смене тематики
- Устойчивость модели при смене размера текстового корпуса
- Исправление опечаток (в том числе для корпуса с очень специфичной лексикой)
Заказчик: Телеком
Технологический стек: TopicNet, BigARTM, Flask, Python, PyTorch, gensim, UMAP