يجب تسجيل الدخول أولا
Sentiment Analysis for Arabic Call Center Notes Using Machine Learning Techniques: A Case Study of Jordanian Dialect
| العنوان بلغة أخرى: |
تحليل مشاعر ملاحظات مراكز الاتصالات باستخدام تقنيات تعلم الآلة: دراسة حالة من اللهجة الأردنية |
|---|---|
| المؤلف الرئيسي: | الفار، حمزة عصام (مؤلف) |
| المؤلف الرئيسي (الإنجليزية): | Alfar, Hamza Essam |
| مؤلفين آخرين: | عطير، محمد عبدالله عارف (مشرف) |
| التاريخ الميلادي: |
2021
|
| موقع: | عمان |
| الصفحات: | 1 - 70 |
| رقم MD: | 1257535 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة عمان العربية |
| الكلية: | كلية العلوم الحاسوبية والمعلوماتية |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
17
| المستخلص: |
تستقبل مراكز الاتصالات في مختلف الشركات آلاف الاتصالات بشكل يومي، يتم تقسيم هذه المكالمات لعدة أصناف مثل: (أسئلة حول المنتجات أو الخدمات، شكاوى، وغيرها..). في هذه المكالمات، يعبر العملاء عن آرائهم واهتماماتهم حول هذه المنتجات أو الخدمات. تحتاج الشركات لتصنيف وتحليل هذه المكالمات، يعتبر هذا التصنيف مؤشر مهم لأصحاب القرار لمعرفة نقاط القوة والضعف في الشركة، ولمعرفة مستوى رضى الزبائن واحتياجاتهم. تم جمع البيانات في هذه الأطروحة من الملاحظات التي تكتب من موظفي مراكز الاتصالات، والتي تلخص مكالمات الزبائن مع مراكز الاتصالات، ثم تم تصنيف هذه الملاحظات لعدة أصناف، وتم تتبع قطبية كل واحدة من هذه الملاحظات باستخدام تحليل المشاعر. تقترح هذه الدراسة تقنية جديده لتتبع آراء الداعمة والشبكات المتجهات الزبائن باستخدام تحليل المشاعر وتستخدم الخوارزميتان: آلة تم تقسيم قطبية كل ملاحظة Kaggle العصبية وتقارن بينهما باستخدام منصة تعلم الالة المسماة إلى ملاحظة إيجابية، سلبية، أو محايدة. تم تطبيق تقنيات معالجة اللغات الطبيعية، مثل، في هذه الأطروحة، تم جمع 3000 ملاحظة من مختلف شركات الاتصالات، هذه tokenization الملاحظات كتبت خلال المكالمات التي تستقبلها مراكز الاتصالات. تم بناء مجموعة بيانات خاصة واستخدمت للتدريب والفحص، تحتوي هذه المجموعة على كلمات مكتوبة باللغة العربية، واللهجة Confusion و Accuracy الأردنية تحديدا. حققت الخوارزميات نتائج جيدة تم قياسها باستخدام لخوارزمية الشبكات العصبية 99.21% الداعمة، والمتجهات لخوارزمية آلة 66% بنسبة (Matrix Bidirectional Long Short Term Memory). |
|---|
عناصر مشابهة
-
Sentiment Analysis Using Hybrid Machine Learning Method
بواسطة: حسونة، محمد أحمد علي منشور: (2017) -
Jordanian Dialects Recognition Using Machine Learning
بواسطة: حسين، محمد حسين إسماعيل منشور: (2022) -
Using of Machine Learning Techniques for Improving Efficient Arabic Sentiment Analysis Model
بواسطة: علاونة، سالي نواف منشور: (2018) -
Call Center Scheduling and Complaints Categorizing Using Banker’s Algorithm Followed by Decision Tree
بواسطة: عبدالقادر، أحمد صايل منشور: (2021) -
Challengen in the Sentiment Analysis of Dialectical Arabic: A Case Study
بواسطة: El Beltagy, Samhaa R. منشور: (2014)
