Prédiction de la Satisfaction Client à partir de Données Massives d'Appels Vocaux

Predicting Customer Satisfaction from Massive Voice Call Data

• Auteur / Autrice : Yuxuan Zhang
• Direction : Fabien Ringeval
• Type : Projet de thèse
• Discipline(s) : Mathématiques et Informatique
• Date : Inscription en doctorat le 01/06/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique de Grenoble
• Partenaire(s) de recherche : Equipe de recherche : GETALP - Groupe d'Etude en Traduction/Traitement des Langues et de la Parole (ancien labo Clips)

Mots clés

Mots clés libres

Apprentissage profond

Traitement automatique des langues

Grands modèles de langage

Traitement du signal audio

Deep Learning

Natural Language Processing

Large Language Models

Audio Signal Processing

Résumé

Une première étape de cette thèse consiste à réaliser un état de l'art des techniques existantes pour prédire la satisfaction client à partir de conversations téléphoniques. Cette étude sera suivie par un travail d'analyse statistique des données propriétaires d'Eloquant, dans l'objectif de construire un corpus d'apprentissage et d'évaluation de méthodes d'inférence. Une fois le corpus de données constitué, le travail consistera à modéliser la satisfaction client à partir des indices linguistiques et acoustiques présents dans les enregistrements. Les outils d'extraction d'informations langagières reposeront autant sur des approches statistiques (e.g., descripteurs prosodiques et probabilistes appliquées sur des items), que sur des grands modèles de langage, tels que BERT (DEVLIN et al., 2019) pour le texte et Whisper (RADFORD et al., 2022) ou Wav2Vec 2.0 (BAEVSKI et al., 2020) pour la parole, notamment pour la langue française (EVAIN et al., 2021a,b). Nous envisageons également l'ajustement (fine-tuning) de ces modèles sur les données propriétaires pour optimiser les performances. Les descripteurs utilisés seront exploités pour évaluer différentes approches d'inférence de la satisfaction client sur les données préalablement identifiées, avec des approches neuronales telles que des modèles récurrents à base d'attention (BAHDANAU et al., 2015). Une part importante du travail consistera également à évaluer la robustesse du système sur la tâche, notamment sur des instances non étiquetées via une tâche d'évaluation humaine.

The first step of this thesis involves conducting a state-of-the-art review of existing techniques for predicting customer satisfaction from telephone conversations. This study will be followed by a statistical analysis of Eloquant's proprietary data, with the aim of constructing a corpus for training and evaluating inference methods. Once the data corpus is established, the work will focus on modeling customer satisfaction based on linguistic and acoustic cues present in the recordings. Information extraction tools will rely on both statistical approaches (e.g., prosodic and probabilistic descriptors applied to items) and large language models, such as BERT (DEVLIN et al., 2019) for text and Whisper (RADFORD et al., 2022) or Wav2Vec 2.0 (BAEVSKI et al., 2020) for speech, particularly in the French language (EVAIN et al., 2021a,b). We also consider fine-tuning these models on proprietary data to optimize performance. The descriptors used will be leveraged to evaluate different customer satisfaction inference approaches on previously identified data, including neural approaches like attention-based recurrent models (BAHDANAU et al., 2015). An important part of the work will also involve assessing the system's robustness on the task, especially on unlabeled instances through a human evaluation task.