Συντάχθηκε 08-07-2014 14:26
από Vasiliki Grigoraki
Email συντάκτη: vgrigoraki<στο>tuc.gr
Ενημερώθηκε:
09-07-2014 10:01
Κύρια: υπάλληλος ΗΜΜΥ.
Άλλες ιδιότητες: Unknown -#-@ΗΜΜΥ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΓΕΩΡΓΙΑΔΟΥ ΔΕΣΠΟΙΝΑ
με θέμα
Ταξινόμηση ομιλίας για αυτόματη δρομολόγηση τηλεφωνημάτων
SPOKEN LANGUAGE CLASSIFICATION FOR AUTOMATED CALL ROUTING
Πέμπτη 10 Ιουλίου 2014, 12:00 μ.
Αίθουσα 137Π39, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Καθηγητής Βασίλειος Διγαλάκης (επιβλέπων)
Καθηγητής Μιχαήλ Πατεράκης
Αναπληρωτής Καθηγητής Μιχαήλ Λαγουδάκης
ΠΕΡΙΛΗΨΗ
Σήμερα υπάρχει αυξημένο ενδιαφέρον για την παροχή αυτοματοποιημένων υπηρεσιών μέσω των διαλογικών συστημάτων. Η παρούσα διπλωματική εργασία επικεντρώνεται στην αυτόματη δρομολόγηση τηλεφωνικών κλήσεων (automated call routing) με βάση την απάντηση ενός χρήστη σε μια ανοικτή ερώτηση ενός τηλεφωνικού κέντρου: «Πώς μπορώ να σας βοηθήσω;». Έχουμε μια βάση δεδομένων που δημιουργήθηκε από προφορικές συναλλαγές μεταξύ των πελατών και των ανθρώπινων παραγόντων και περιγράφουμε μεθόδους για την αυτόματη κατανόηση αυτών των δεδομένων.
Αρχικά, παρέχουμε μια σύντομη κάλυψη των Διαλογικών συστημάτων, προκειμένου να κατανοηθεί το κομμάτι του spoken langauge understanding (SLU). Πιο συγκεκριμένα, εστιάζοντας στη δρομολόγηση κλήσεων, καλύπτονται οι κύριες καθιερωμένες προσεγγίσεις και για κάθε προσέγγιση, περιγράφουμε τους αλγορίθμους που χρησιμοποιούνται προκειμένου να παρέχουμε μια καλύτερη εικόνα του state-of-the-art στον τομέα αυτό. Στη συνέχεια, ταξινομούμε τις κλήσεις των test δεδομένων μας, ανάλογα με το θέμα τους με συνεχή μείγμα Gaussian κατανομών (GMM). Σε αυτή την εργασία, χρησιμοποιήσαμε μια βάση πραγματικών δεδομένων, η οποία περιέχει μεγάλο αριθμό κλήσεων. Η απόδοση των μοντέλων μας συγκρίνονται με τους αλγορίθμους που αναφέρονται ως state-of-the-art και τα εξαγόμενα αποτελέσματα καθώς και συγκριτικοί πίνακες προσφέρονται για βαθύτερη κατανόηση.
ABSTRACT
Nowadays there is a raising interest in providing automated services via natural spoken dialog systems. We focus on the task of automatically routing telephone calls (call routing) based on a user’s spoken response to an open-ended prompt of ’How may I help you?’. We have a database generated from spoken transactions between customers and human agents and we describe methods for automatically understanding such data. For a start, we provide a brief coverage of Spoken Dialog Systems in order to comprehend the part of Spoken Language Understanding (SLU). More specifically, focusing on the call-routing task, the main established approaches are covered and for each approach, we describe the algorithms used in order to provide the reader with a better view of the state of the art in this area. Next, we examine the classification of our test calls depending on their topic using continuous mixture Gaussian distributions (Gaussian Mixture Models). In this work, we used an American-English dataset, which contains a high number of pre-processing call requests and classes. The performance of our models is compared to the algorithms referred as state-of-the-art and the extracted results as well as comparative tables and figures are offered for a deeper comprehension.
