Esse trabalho objetiva, por meio da aplicação dos algoritmos Latent Dirichlet Allocation (LDA), NGrame Bag of Words(BOW), analisar como o aprendizado de máquina usado na mineração de conversas podeajudar no aperfeiçoamento de chatbots através da identificação da intenção do cliente ao entrar emcontato com uma empresa. A metodologia será qualitativa, por meio de pesquisa bibliográfica e do usoda ferramenta Knime, a fim de apoiar a implementação de algoritmos de aprendizado de máquina, embase de dados cedida por uma empresa desenvolvedora de software para a área de Customer Experience(CX). Os resultados derivam de uma comparação entre os algoritmos considerando o peso (weight) daspalavras e frases chave e validada pelo Analista de Domínio(AD) da empresa. O extrator de tópicos LDAapresenta o melhor resultado sobre as intenções dos usuários e o algoritmo NGram apresentacaracterísticas complementares significativas para as intenções. Ambos algoritmos trazem restritoaprendizado de máquina, e demandam constante monitoramento e acompanhamento do AD, devido aevolução do processamento da linguagem natural. O algoritmo BoW apresentou limitações neste estudo.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.