Clasificación de emociones complejas en audio de conversaciones de Call Center de la Universidad Javeriana Cali mediante modelos semi supervisados de Machine Learning
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javariana Cali
Abstract
Este proyecto tuvo como objetivo identificar las expresiones emocionales complejas predominantes en llamadas del centro de contacto, para ofrecer una herramienta de medición en la satisfacción de clientes o evaluación de desempeño en la relación empleado-cliente. La problemática abordada se centró en ¿Cómo podría desarrollarse un modelo basado en técnicas de machine learning para la clasificación automática de emociones complejas en grabaciones de llamadas de un centro de contacto universitario, con el propósito de evaluar la satisfacción del cliente? El objetivo principal del proyecto fue desarrollar un modelo semi supervisado de machine learning para la clasificación automática de emociones en grabaciones de llamadas del call center de la Universidad Javeriana Cali, utilizando características acústicas. El alcance se limitó al análisis y clasificación de las emociones complejas predominantes identificadas en estas grabaciones, basándose en definiciones de emociones ajustadas a los objetivos del negocio. Los resultados de este proyecto incluyen: un conjunto de audios procesados y etiquetados de forma semi supervisada en las 'No llamadas', mientras que las 'Llamadas' fueron de manera supervisada; un modelo de clasificación automática de emociones que fue entrenado y validado, logrando una precisión del 95% en 'No llamadas' y del 41% en 'Llamadas'; y, por último, un prototipo de software diseñado como interfaz para cargar audios y clasificar las emociones según los modelos generados.
Description
item.page.descriptioneng
This project aimed to identify the complex emotional expressions predominant in contact center calls, to offer a measurement tool for customer satisfaction or performance evaluation in the employee-customer relationship. The problem addressed focused on how could a model be developed based on machine learning techniques for the automatic classification of complex emotions in call recordings from a university contact center, with the purpose of evaluating customer satisfaction? The main objective of the project was to develop a semi-supervised machine learning model for the automatic classification of emotions in call recordings from the Javeriana Cali University call center, using acoustic characteristics. The scope was limited to the analysis and classification of the predominant complex emotions identified in these recordings, based on definitions of emotions adjusted to business objectives. The results of this project include: a set of audios processed and labeled in a semi-supervised way in the 'No calls', while the 'Calls' were in a supervised way; an automatic emotion classification model that was trained and validated, achieving an accuracy of 95% in 'No calls' and 41% in 'Calls'; and, finally, a software prototype designed as an interface to load audios and classify emotions according to the generated models.
Keywords
Aprendizaje automático, Emociones, Audios, Ciencia de datos, Acustica, Machine learning, Emotions, Audio recordings, Data science, Acoustics