Çağrı merkezinde öfkeli müşteriyi sesinden tanımak
Yayımlanan makalemizin sade bir anlatımı: ses kaydını görüntüye çevirip evrişimli sinir ağıyla öfkeli çağrıları nasıl ayırt ettik?
Çağrı merkezine her gün yüzlerce çağrı gelir ve bunların küçük bir kısmı gerçekten öfkeli müşterilere aittir. O çağrıları erken fark etmek, müşteriyi kaybetmeden önce harekete geçmek demektir. 2024'te yayımlanan çalışmamızda bu ayrımı ses kaydının kendisinden yapmayı denedik.
Fikir: sesi resme çevirmek
Evrişimli sinir ağları (CNN) görüntülerde çok başarılıdır. Ses kaydını spektrograma, yani zaman ve frekans eksenli bir görüntüye çevirdiğinizde, ses sınıflandırma problemi görüntü sınıflandırmaya dönüşür. Buna insan kulağının algısına yakın bir özet olan MFCC özniteliklerini de ekledik.
ses kaydı → spektrogram + MFCC → CNN → öfkeli / normal
Asıl iş: hiper parametreler
Aynı mimari, yanlış ayarlarla vasat; doğru ayarlarla çok iyi sonuç verir. Katman sayısı, filtre boyutu, öğrenme oranı gibi hiper parametreleri sistematik biçimde optimize etmek çalışmanın merkezindeydi.
Sonuçlar
| Veri seti | Doğruluk |
|---|---|
| SAVEE (genel erişimli) | %98 |
| Şirket çağrı merkezi verisi | %97 |
Gerçek çağrı merkezi verisinde de laboratuvar veri setine yakın sonuç almak, yöntemin sahada kullanılabilir olduğunu gösteriyor.
Sahaya dönük dersler
- Veri kalitesi her şeydir. Gürültülü hatlar ve kısa kayıtlar en büyük hata kaynağıdır.
- İki sınıf yeterli olabilir. Yedi duyguyu ayırmaya çalışmak yerine "öfkeli mi, değil mi?" sorusu iş açısından daha değerlidir.
- Model bir uyarı sistemidir, hâkim değil. Çıktı, bir yöneticinin o çağrıya bakması için işarettir.
Makalenin tamamına Akademik Yayınlar bölümünden ulaşabilirsiniz.
Yorumlar (0)