我nsight（奈特）N个et：基于客户反馈的结构化洞察力挖掘

Sandeep Sricharan Mukku公司,马南·索尼,切坦·阿加瓦尔,Jitenkumar拉纳,Promod Yenigalla公司,拉什米·帕坦格,希亚姆·莫汉

摘要
我们提出InsightNet，这是一种从客户评论中自动提取结构化见解的新方法。我们的端到端机器学习框架旨在克服当前解决方案的局限性，包括缺少已识别主题的结构、非标准方面名称以及缺乏丰富的训练数据。该解决方案从原始评论构建了一个半监督的多级分类法，一种语义相似性启发式方法来生成标记数据，并通过微调LLM使用了一个多任务洞察力提取体系结构。InsightNet通过客户的情绪和每个主题的逐字逐句来确定具体的可操作主题。对真实客户审查数据的评估表明，InsightNet在结构、层次结构和完整性方面优于现有解决方案。我们实证证明，InsightNet在多标签主题分类方面优于当前最先进的方法，F1得分为0.85，比之前的最佳结果提高了11%。此外，InsightNet很好地概括了未发现的方面，并建议将新主题添加到分类法中。
选集ID：
2023.emnlp-行业53
体积：
2023年自然语言处理实证方法会议记录：行业跟踪
月份：
十二月
年份：
2023
地址：
新加坡
编辑：
王明轩,伊梅德·齐图尼
地点：
EMNLP公司
SIG公司：
出版商：
计算语言学协会
注：
页：
552–566
语言：
网址：
https://aclcollectory.org/2023.emnlp-industry。53
内政部：
10.18653/v1/2023.emnlp-行业53
比比键：
引用（ACL）：
Sandeep Sricharan Mukku、Manan Soni、Chetan Aggarwal、Jitenkumar Rana、Promod Yenigalla、Rashmi Patange和Shyam Mohan。2023InsightNet：基于客户反馈的结构化洞察力挖掘.英寸2023年自然语言处理实证方法会议记录：行业跟踪，第552–566页，新加坡。计算语言学协会。
引用（非正式）：
InsightNet：基于客户反馈的结构化洞察力挖掘（Mukku等人，EMNLP 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.emnlp-industry.53.pdf
视频：
 https://aclantology.org/2023.emnlp-industry.53mp4
PDF格式 引用 搜索 视频