Feb, 2024
基於機器學習的從多個推文參數中檢測客戶滿意度的方法
A Machine Learning Approach to Detect Customer Satisfaction From
Multiple Tweet Parameters
TL;DR自互联网技术发展以来，客户满意度一直是公司发展中的主要因素之一。在线平台已成为分享评论的主要场所之一，Twitter是其中之一，客户经常在这些平台上发布自己的感想。对于航空公司而言，在这些平台上的航班点评已成为问题。正面的点评可以帮助公司发展，而负面的点评则可能迅速损害收入和声誉。因此，对于航空公司来说，研究客户的反馈和体验，并改进他们的服务以保持竞争力至关重要。然而，研究数千条推文，并分析它们以确定客户满意度是一项相当困难的任务。可以通过使用机器学习方法来分析推文，以确定客户满意度水平，从而简化这个繁琐的过程。对于自动化过程，已经对这种策略进行了一些工作，并使用机器学习和深度学习技术。然而，它们完全只关注对文本情感的评估。除了文本，推文还包括时间、地点、用户名、航空公司名称等信息。这些附加信息对于改进模型的结果至关重要。为了提供一个基于机器学习的解决方案，本研究扩大了其视野，包括这些特性。而且，不出所料，超出文本情感分析的附加特征会产生更好的机器学习模型结果。