使用各种 NLP 技术的覆盖性成绩单分析
项目描述
##让我先试试
＃＃＃ 安装
` pip install pyconverse `
＃＃＃ 用法
请试试这个演示核心功能的笔记本：(usage_notebook)[notebook/usage.ipynb]
＃＃ 介绍
对话分析在塑造金融/联络中心等各个行业的出色客户体验方面发挥着越来越重要的作用。主要是为了更深入地了解客户并更好地满足他们的需求。这个库Converse试图提供工具和方法，这些工具和方法可用于使用各种 NLP 技术从多个角度理解对话。
## 为什么选择匡威？
在过去一年左右的时间里，我一直在做所谓的会话文本 NLP，主要使用来自金融服务、银行、保险等各个领域的联络中心数据，但我没有遇到任何有趣的开源工具可以帮助像这样理解对话文本我决定创建这个库，它可以提供各种工具和方法来分析呼叫并帮助回答重要问题/计算通常人们希望在联络中心数据分析设置中从对话中找到的重要指标。
##我在哪里可以使用匡威？
主要用例面向联络中心呼叫分析，但 Converse 提供的大多数工具也可以在其他地方使用。
在发生的每一个电话中都隐藏着很多见解，Converse 使您能够从运营效率、座席效率和监控客户体验等角度提取这些见解并计算各种 KPI。
如果您想回答以下问题：-
演讲者表现出的谈话的整体情绪是什么？
代理商和客户之间是否存在死气沉沉的时期（沉默期）？如果有，多少钱？
代理是否对客户有同理心？
平均座席响应时间/平均等待时间是多少？
通话中都在说什么？
还有更多…… converse 可能有一点帮助。
##匡威能做什么？
目前，匡威只能做一些大致属于以下类别的事情：-
情绪识别
移情声明识别
呼叫细分
从通话片段中识别主题
- 计算各种类型的 Speaker 属性：
语言属性，例如：字数/每个话语的字数/否定词等。
确定沉默和中断的时期。
问题识别
反向通道识别
- 通过语言属性评估说话者的整体性质，并判断说话者是否：
健谈，口语流利
非正式/个人/社交
以目标为导向或展望未来/着眼于过去
识别抑制
＃＃＃ 接下来是什么？
改进文档。
添加更多用例笔记本/示例。
改进一些功能并使其更加精简。
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
内置分布
pyconverse -0.1.0.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | c722e3ee113a5edbb053df79326b588f21364d4f570daa242bdc8fabf92a60e6 |
|
| MD5 | a5c65a8ce1574227fb1b9f73ab499b12 |
|
| 布莱克2-256 | 106300b92ed78822740c275b9eb60629edbb49ebfd33c762067455ecaffcce0b |
pyconverse -0.1.0-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 994868800fde740d48d07204ef29faebf9c72c90a3e254f8edcf77c79c86b80d |
|
| MD5 | 82356dc91fa5666dd5d6a2453e9c5298 |
|
| 布莱克2-256 | 10525229406186a8c3fdd68f1de22a7be67eae6d431e42bb23b65f496091ab6e |