Aprendizado não supervisionado de hierarquias de tópicos a partir de coleções textuais dinâmicas

Marcacini, Ricardo Marcondes

doi:10.11606/d.55.2011.tde-28072011-163026

Cited by 2 publications

(3 citation statements)

References 45 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Para realizar a tarefa de agrupamentoé necessário considerar dois fatores: uma medida de proximidade e uma estratégia de agrupamento (Marcacini, 2011). As medidas de proximidade podem calcular tanto a similaridade entre dois documentos textuais, quanto a dissimilaridade entre eles.…”

Section: Hierarquia De Tópicosunclassified

See 1 more Smart Citation

Extração de informação contextual utilizando mineração de textos para sistemas de recomendação sensíveis ao contexto

Sundermann¹

View full text Add to dashboard Cite

Section: Hierarquia De Tópicosunclassified

“…Também espera-se em um dendrograma que a proximidade de objetos em grupos distintos seja a menor possível (Marcacini, 2011).…”

Section: Hierarquia De Tópicosunclassified

Extração de informação contextual utilizando mineração de textos para sistemas de recomendação sensíveis ao contexto

Sundermann¹

View full text Add to dashboard Cite

“…Grandes quantidades de textos podem ser encontradas em redes sociais, portais de notícias, livros, artigos, tutoriais, centrais de atendimento, e-mails, entre outros. Devido a sua natureza não padronizada, a variedade de línguas e a existência de ruídos, a extração de conhecimento destes dados é mais complexo quando comparado com dados estruturados ((MARCACINI, 2011);(REZENDE, 2003)).…”

Section: Mineração De Textosunclassified

Aprendizado de Máquina Aplicado no Atendimento de Reclamações de Clientes

Peixoto¹

View full text Add to dashboard Cite

The complaint is an action guaranteed by consumer protection entities, and with the increasing digitization of society and the popularization of digital complaint platforms, there is a growing increase in customer complaints in these platforms. The escalation and the incorrectly handled complaints in the digital platforms impact the image of companies and generate an increasingly latent need to capture, process, analyze and generate knowledge using automations. With this scenario, this dissertation proposes the use of Text Mining and Machine Learning techniques in a complaints triage flow in order to minimize the probability of non-resolution of complaints from financial services customers. The proposed approach is evaluated through 3 different architectures of complexity, with the Naive-Bayes SVM that was used as a baseline model, the FastText that was used as the intermediate model and the DistilBERT that was used as a challenging technique. The use of only the narratives of the consumer's complaints presented little relevant result in the discrimination of the resoluteness, however when added to the narrative of the company's service, the models performed considerably well and can be applied in a service strategy. The results showed that the methods can generate value in decision-making support systems in the operational area of companies and can help them in serving their customers, raising the level of consumer satisfaction and reducing the risk of the company's image. The choice of a good prediction model depends on the performance strategy of the customer service, and the ability to sort the risk becomes preponderant in this choice.

show abstract

Aprendizado não supervisionado de hierarquias de tópicos a partir de coleções textuais dinâmicas

Cited by 2 publications

References 45 publications

Extração de informação contextual utilizando mineração de textos para sistemas de recomendação sensíveis ao contexto

Extração de informação contextual utilizando mineração de textos para sistemas de recomendação sensíveis ao contexto

Aprendizado de Máquina Aplicado no Atendimento de Reclamações de Clientes

Contact Info

Product

Resources

About