ひっ迫するコールセンターの業務を機械学習を使って解決したいです。
コールセンターの問い合わせ履歴と回答履歴をもとに、自然言語処理で自動回答できるプログラムを作ろうと考えています。
電話内容をコールセンターのオペレーターがテキスト化したものを学習データとして使いたいため、FAQのように質問と回答がきれいにまとまっているわけではありません。
自然言語処理初学者であるため、何から手を付けて良いかわからず途方に暮れています。
大雑把な質問で申し訳ございません。
何かヒントや過去事例を教えていただけますと、大変助かります。
FAQのように質問と回答がきれいにまとまっているわけではありません。
このデータに対してデータクレンジングやデータエンジニアリングを怠った場合，どんな機械学習を行なっても「綺麗な」質疑応答をするシステムは作れません．
前処理に関しては次の記事を参考にすると良いでしょう．
LINE AiCallというベースシステムを採用したクロネコヤマトの自動集荷依頼受付があります．
したがって，
ひっ迫するコールセンターの業務を機械学習を使って解決したい
という解決手法はソリューションとして存在します．LINE AiCallのページを見るとわかりますがそれこそコールセンターに採用した場合のメリットが列挙されており，推奨されているようです．
どうしても！独自開発で！というなら，これら既存のものを真似るのが良いでしょう．
また，本ソリューションを実現するにあたって，必要な項目はNLPだけではないことがわかります．
コールセンターを置換することにおいて，システムの一部でしかないNLPですら先ほど挙げたDialogFlowがある中で，これら各パーツもソリューションは整っています．
他の部分はこれらサービスに任せることができるので，NLPから手をつけたい！というのであれば，NLPの勉強からされても良いでしょう．
NLPの基礎を学ばずして，初手で機械学習に手を出すのは悪手であることは述べておきます．精度の面において，古典的手法の方が良いことがあるからです．それこそ機械学習で作った応答よりもDialogFlowで作った応答の方が良い．なんてことになりがちだと思います．
基礎の勉強が終わったら，最初に挙げた前処理から始められると良いでしょう．データの特徴を見つけたら，それに適するモデルを選択すれば良いです．
研究/開発分野としてコールセンター対応を目的としたNLPは，既存システムがあることから非推奨です．独自開発によるアイデンティティを確立しないことには，これら既存サービスより優位性が示せず，大抵の場合没案になります．
私なら，音声変換を頑張って「音声の抑揚と合わせて感情を読み取る/表現する」というアイデンティティを確保します．クロネコヤマトの事例で集計されたアンケートでは，違和感を感じられた人が多いように見えますし，こういった既存サービスの欠点を突いていくスタイルになると思います．
ちなみに自然言語処理に「音声の抑揚と合わせて感情を読み取る/表現する」のも既存モデルに存在します．
まだクローズされていないのは何か納得がいってないのでしょうか？私も上記意見と同意見です。
なお、ここまで作るとひじょーに大変なので、多くの場合は「問い合わせ内容をコールセンター内で検索する、答えを案内する」という仕組みにします。応答は人がやるけど均質化を進め解決を早めるという話ですね。
また音声応答ではなくWeb上でのチャットボット問い合わせサービスにするのが一般的です。Amazonなどですら無人の音声応答は「〜のお問い合わせですか？」と案内先を確定させる目的にしか使っていません。
自然言語処理といいつつ、自然言語処理を作る必要は無く泥臭いデータ整理が実作業として必要です。
・Q&Aの形式でないと応答処理には使えない
→電話履歴などを人手で質問と解答に分ける必要がある
・Q&Aの形式にさえしてしまえばチャットボットに突っ込める
→特にAzureのQnA Makerなどが優しいのではないでしょうか。Q&Aのデータを入れるとそれだけで質問文の自然言語を解析して対応する回答を出してくれる準備が整います。
@uvaru
Questioner
