Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/wmecai-2021-130472
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Este trabalho propõe a utilização de técnicas de Mineração de Textos em conjunto com Aprendizado de Máquina na classificação de resolução de reclamações de clientes de serviços financeiros. A abordagem proposta é avaliada por meio de três modelos de classificação, sendo que para modelo base utilizou-se o Naive-Bayes SVM, para o intermediário foi utilizado as embeddings FastText com classificador Multi-layer Perceptron e como técnica desafiante foi utilizado o modelo de linguagem Distilbert. Este trabalho propõe a utilização de técnicas de Mineração de Textos em conjunto com Aprendizado de Máquina na classificação de resolução de reclamações de clientes de serviços financeiros. A abordagem proposta é avaliada por meio de três modelos de classificação, sendo que para modelo base utilizou-se o Naive-Bayes SVM, para o intermediário foi utilizado as embeddings FastText com classificador Multi-layer Perceptron e como técnica desafiante foi utilizado o modelo de linguagem Distilbert. Os resultados mostraram que os métodos podem gerar valor em sistemas de apoio à tomada de decisão na área operacional das empresas e podem auxiliar as mesmas no atendimento de seus clientes, elevando o nível de satisfação dos consumidores e reduzindo o risco de imagem da empresa. A utilização apenas da narrativa da reclamação do consumidor apresentou resultado pouco relevante na discriminação da resolutividade, porém quando agregado a narrativa de atendimento da empresa os modelos performaram consideravelmente bem e podem ser usadas em uma estratégia de atendimento. A escolha de um bom modelo de predição depende da estratégia de atuação da operação de atendimento, sendo que a capacidade de ordenação do risco torna-se preponderante nessa escolha. A utilização apenas da narrativa da reclamação do consumidor apresentou resultado pouco relevante na discriminação da resolutividade, porém quando agregado a narrativa de atendimento da empresa os modelos performaram consideravelmente bem e podem ser usadas em uma estratégia de atendimento. A escolha de um bom modelo de predição depende da estratégia de atuação da operação de atendimento, sendo que a capacidade de ordenação do risco torna-se preponderante nessa escolha.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo