내 고객과 지원 직원간에 20,000 개의 메시지 (전자 메일 및 실시간 채팅 조합)가 있습니다. 나는 또한 내 제품에 대한 지식 기반을 가지고있다.텍스트 콘텐츠를 기반으로하는 방법 기사의 목록을 제안합니다.
종종 고객이 묻는 질문은 매우 간단하며 지원 직원이 올바른 지식 기반 기사를 가리키고 있습니다.
지원 담당자가 시간을 절약하기 위해 초기 사용자의 지원 요청에 따라 관련성이 높은 기사 목록을 직원에게 보여 주려고합니다. 이렇게하면 기술 자료를로드하고 기사를 수동으로 검색하는 대신 링크를 복사하여 도움말 문서에 붙여 넣기 만하면됩니다.
내가 조사해야 할 솔루션이 궁금합니다. 생각의
나의 현재 라인은 기존 데이터 분석을 실행하고 텍스트 분류 방법 사용하는 것입니다에 대한 링크 응답이 있는지, 각 메시지에 대해
- 을 기사 사용 방법
- 예, 핵심어 (Microsoft인지 서비스)를 추출하십시오.
- TF-IDF?
- 각 구문을 핵심 문구 집합에 속하는 '분류'로 처리하십시오.
- 일부 감독 된 기계 학습을 사용하여 벡터 기계가 어떤 '분류, 일명 기사 작성 방법'을 결정할 지 예측할 수 있습니다. 새로운 지원 티켓에서.
- 시스템을 더 스마트하게 만들기 위해 새로운 응답을 다시 세트에 공급하십시오.
내가 복잡한 것을 끝내면 확실하지 않습니다. 이것이 어떻게 행해지는지에 대한 조언을 주시면 감사하겠습니다.
추신 : 기술 자료 검색 쿼리에 '핵심 문구'를 그냥 내버려 두는 단순한 접근 방식은 도움이되는 내용이 전자 메일 또는 실시간 채팅에서 질문을 표현하는 방식과 다르다는 점에서 좋지 않은 결과를 낳았습니다.
이것은 내가 방금 얻은 기계 학습 이론에 대한 흥미로운 응용 프로그램입니다! – JackCColeman