Valutazione delle prestazioni di riconoscimento del servizio nei chatbot rivolti ai clienti utilizzando algoritmi di machine learning

Abstract

Nel panorama in continua evoluzione del servizio clienti, l’integrazione della tecnologia avanzata è diventata sempre più fondamentale. In questa era digitale, i chatbot rivolti ai clienti sono emersi come una soluzione promettente per migliorare le interazioni tra le aziende e la loro clientela. Il ruolo fondamentale di questi chatbot risiede nella loro capacità di riconoscere in modo efficiente le richieste del servizio clienti e fornire risposte tempestive e accurate. Questa tesi, intitolata "Valutazione delle prestazioni del sistema di riconoscimento del servizio nei chatbot rivolti al cliente utilizzando algoritmi di apprendimento automatico", approfondisce il dominio critico del riconoscimento del servizio all'interno dei sistemi chatbot. La tesi cerca di valutare l'efficacia degli algoritmi di apprendimento automatico nell'identificare e classificare le query relative ai servizi da input testuali, ponendo le basi per sviluppi futuri che comprendano richieste basate sulla voce. Gli obiettivi di questa tesi sono duplici: in primo luogo, valutare le prestazioni di un sistema di riconoscimento del servizio all'interno dei chatbot rivolti al cliente e, in secondo luogo, identificare gli algoritmi di apprendimento automatico più adatti a questo compito. La metodologia di tesi è incentrata su un processo di valutazione completo, che prevede la creazione e l'analisi di un set di dati contenente diverse query relative ai servizi. Vengono testati vari algoritmi di machine learning, che vanno dai classificatori tradizionali come Decision Tree e Naive Bayes a modelli più avanzati tra cui Support Vector Machines e Neural Networks. Un'attenta selezione di parametri di valutazione, tra cui accuratezza, precisione, richiamo e punteggio F1, garantisce una valutazione approfondita delle prestazioni del sistema. In conclusione, la valutazione delle prestazioni del sistema di riconoscimento del servizio nei chatbot rivolti al cliente attraverso algoritmi di apprendimento automat

In the ever-evolving landscape of customer service, the integration of advanced technology has become increasingly paramount. In this digital age, customer-facing chatbots have emerged as a promising solution for enhancing interactions between businesses and their clientele. The pivotal role of these chatbots lies in their capacity to efficiently recognize customer service requests and provide timely and accurate responses. This thesis, titled "Evaluation of Service Recognition System Performance in Customer-Facing Chatbots Using Machine Learning Algorithms," delves into the critical domain of service recognition within chatbot systems. The thesis seeks to evaluate the effectiveness of machine learning algorithms in identifying and categorizing service-related queries from textual inputs, laying the groundwork for future developments that encompass voice-based requests. The objectives of this thesis are twofold: first, to assess the performance of a service recognition system within customer-facing chatbots, and second, to identify the machine learning algorithms most adept at this task. The thesis methodology is centered on a comprehensive evaluation process, which involves the creation and analysis of a dataset containing diverse service-related queries. Various machine learning algorithms are tested, ranging from traditional classifiers such as Decision Tree and Naive Bayes to more advanced models including Support Vector Machines and Neural Networks. A careful selection of evaluation metrics, including accuracy, precision, recall, and F1-score, ensures a thorough assessment of system performance. In conclusion, the evaluation of service recognition system performance in customer-facing chatbots through machine learning algorithms offers valuable insights for the development and implementation of intelligent chatbot solutions.