GPT-Calls: Enhancing Call Segmentation and Tagging by Generating Synthetic Conversations via Large Language Models

Itzik Malkiel, Uri Alon, Yakir Yehuda, Shahar Keren, Oren Barkan, Royi Ronen, Noam Koenigstein
[Microsoft]

GPT-Calls：通过大型语言模型生成合成对话来增强电话分段和标记

要点:

  • 动机：提高电话录音的分割和主题提取的效率和准确性，以应对长时间或复杂对话的分析过程的困难。
  • 方法：提出一种名为GPT-Calls的方法，包括离线和在线阶段。离线阶段使用GPT模型生成每个主题的合成句子分布，并提取锚向量。在线阶段将每个电话的转录对话与离线阶段找到的主题锚进行相似度比较，并应用时间域分析将话语分组并打上主题标签。
  • 优势：所提出的GPT-Calls方法在电话分割和主题提取方面表现出色，无需标注数据，适用于各个领域。该方法在实际应用中的性能优于其他先进方法。


提出了一种高效准确的电话分割和主题提取方法GPT-Calls，通过离线和在线阶段的处理，无需标注数据，适用于各个领域。

https://arxiv.org/abs/2306.07941 


图片
图片

内容中包含的图片若涉及版权问题，请及时与我们联系删除