온라인 쇼핑몰에서의 상담 대응 효율 개선을 위한 AI기반 상담 분류 기법 (AI-based Categorization Method of Online Shoppers’ Inquiry for Enhanced Response Efficiency)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 19권 / 8호 / 119 ~ 126페이지
· 저자명 : 이건수, 김중연, 강병권

초록

온라인 쇼핑은 오프라인 쇼핑에 비해 다양한 장점을 갖고 있지만, 그 장점을 이끌어내기 위해서는 몇 가지 선결조건이 만족되어야 한다. 그중 하나는, 쇼핑 행위에서의 사용자 의도를 파악하는 것이다. 본 연구는 온라인 쇼핑몰에서 고객이 남긴 상담 요청을 대상으로 해당 요청의 전문성을 가진 상담사를 배정하기 위해, 상담 요청의 의도를 분류하는 방법을 제안한다. 제안 방법은, 고객의 상담 요청에 대해 자연어처리를 수행한 뒤, 이를 통해 생성된 요청별 단어 벡터를 토대로 나이브 베이지안 분류기와 Gated Recurrent Unit(GRU) 기반의 분류기를 학습시킨다. 그 후, 스태킹을 통해 각 분류기 결과를 조합하여 최종 분류 결과를 도출한다. 단일 분류기를 사용했을 때의 정확도는 나이브 베이지안 분류기의 경우 87.05%의 정확도를 보였고, GRU 분류기의 경우 88.94%의 정확도를 보였으며, 이 두 분류기를 앙상블한 결과 95.29%의 정확도를 얻을 수 있었다.

영어초록

Online shopping has various advantages over offline shopping. In order to utilize such potential, it is important to realize customers’ intention in the process of shopping. Once the request is categorized, a proper agent, who responds to the request, can be easily assigned. In this paper, we propose a method of categorizing types of customers’ counseling requests asked by active or potential users of an online shopping website. The proposed method is composed of two sub-classifiers which are naive Bayes classifier and Gated Recurrent Unit(GRU) based classifier. These two sub-classifiers are trained using the document-term matrix and word embeddings generated from a dataset collected from an online shopping website. Predictions of these two classifiers are combined using ensemble method. We obtained 87.05% and 88.94% accuracy for naive Bayes and GRU based classifier, respectively, and the performance was improved by ensembling the two weak classifiers achieving up to 95.29% accuracy.

참고자료

· 없음