Autor Galitsky, Boris
|
|
Documentos disponibles escritos por este autor (3)
Hacer una sugerencia Refinar búsqueda
Título : Artificial Intelligence for Customer Relationship Management : Keeping Customers Informed Tipo de documento: documento electrónico Autores: Galitsky, Boris, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XI, 445 p. 261 ilustraciones, 147 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-52167-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Relaciones con los clientes Inteligencia artificial Simulación por ordenador Interfaces de usuario e interacción persona-computadora Gestión de relaciones con el cliente Modelado por computadora Índice Dewey: 005.437 Interfaces de usuario Resumen: Esta monografía de investigación lleva la IA al campo de la gestión de relaciones con el cliente (CRM) para hacer que la experiencia del cliente con un producto o servicio sea inteligente y agradable. AI está aquí para ayudar a los clientes a obtener un reembolso por un vuelo cancelado, descongelar una cuenta bancaria u obtener el resultado de una prueba de salud. Hoy en día, CRM ha evolucionado desde almacenar y analizar los datos de los clientes hasta predecir y comprender su comportamiento poniendo un sistema CRM en el lugar de los clientes. Por lo tanto, es necesario que entren en juego el razonamiento avanzado con aprendizaje a partir de datos pequeños, sobre las actitudes de los clientes, la introspección, la lectura entre líneas de la comunicación con el cliente y la explicabilidad. La inteligencia artificial para la gestión de relaciones con los clientes aprovecha una serie de técnicas de procesamiento del lenguaje natural (NLP), aprendizaje automático (ML), simulación y razonamiento para habilitar CRM con inteligencia. Un CRM eficaz y sólido debe poder chatear con los clientes, proporcionarles la información deseada, completar sus transacciones y resolver sus problemas. Introduce un medio sistemático para determinar el estado de ánimo de los clientes, sus intenciones y actitudes para determinar cuándo proporcionar una respuesta exhaustiva, una recomendación, una explicación, un argumento adecuado, un asesoramiento oportuno y una promoción o compensación. El autor emplea una variedad de métodos de aprendizaje automático, desde deterministas hasta estadísticos y profundos, para predecir el comportamiento del cliente y anticipar posibles quejas, asegurando la retención de clientes de manera eficiente. Al proporcionar un foro para el intercambio de ideas en IA, este libro proporciona una cobertura concisa pero completa de metodologías, herramientas, problemas, aplicaciones y tendencias futuras para profesionales, gerentes e investigadores en el campo de CRM junto con profesionales de IA y TI. . Nota de contenido: Introduction -- Distributional Semantics for CRM: Making word2vec Models Robust by Structurizing Them -- Employing Abstract Meaning Representation to Lay the Last Mile towards Reading Comprehension -- Summarized Logical Forms for Controlled Question Answering -- Summarized Logical Forms based on Abstract Meaning Representation and Discourse Trees -- Acquiring New Definitions of Entities -- Inferring Logical Clauses for Answering Complex Multi-hop Open Domain Questions -- Managing Customer Relations in an Explainable Way -- Recognizing Abstract Classes of Text Based on Discourse -- Conversational Explainability for CRM. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Artificial Intelligence for Customer Relationship Management : Keeping Customers Informed [documento electrónico] / Galitsky, Boris, Autor . - 1 ed. . - [s.l.] : Springer, 2020 . - XI, 445 p. 261 ilustraciones, 147 ilustraciones en color.
ISBN : 978-3-030-52167-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Relaciones con los clientes Inteligencia artificial Simulación por ordenador Interfaces de usuario e interacción persona-computadora Gestión de relaciones con el cliente Modelado por computadora Índice Dewey: 005.437 Interfaces de usuario Resumen: Esta monografía de investigación lleva la IA al campo de la gestión de relaciones con el cliente (CRM) para hacer que la experiencia del cliente con un producto o servicio sea inteligente y agradable. AI está aquí para ayudar a los clientes a obtener un reembolso por un vuelo cancelado, descongelar una cuenta bancaria u obtener el resultado de una prueba de salud. Hoy en día, CRM ha evolucionado desde almacenar y analizar los datos de los clientes hasta predecir y comprender su comportamiento poniendo un sistema CRM en el lugar de los clientes. Por lo tanto, es necesario que entren en juego el razonamiento avanzado con aprendizaje a partir de datos pequeños, sobre las actitudes de los clientes, la introspección, la lectura entre líneas de la comunicación con el cliente y la explicabilidad. La inteligencia artificial para la gestión de relaciones con los clientes aprovecha una serie de técnicas de procesamiento del lenguaje natural (NLP), aprendizaje automático (ML), simulación y razonamiento para habilitar CRM con inteligencia. Un CRM eficaz y sólido debe poder chatear con los clientes, proporcionarles la información deseada, completar sus transacciones y resolver sus problemas. Introduce un medio sistemático para determinar el estado de ánimo de los clientes, sus intenciones y actitudes para determinar cuándo proporcionar una respuesta exhaustiva, una recomendación, una explicación, un argumento adecuado, un asesoramiento oportuno y una promoción o compensación. El autor emplea una variedad de métodos de aprendizaje automático, desde deterministas hasta estadísticos y profundos, para predecir el comportamiento del cliente y anticipar posibles quejas, asegurando la retención de clientes de manera eficiente. Al proporcionar un foro para el intercambio de ideas en IA, este libro proporciona una cobertura concisa pero completa de metodologías, herramientas, problemas, aplicaciones y tendencias futuras para profesionales, gerentes e investigadores en el campo de CRM junto con profesionales de IA y TI. . Nota de contenido: Introduction -- Distributional Semantics for CRM: Making word2vec Models Robust by Structurizing Them -- Employing Abstract Meaning Representation to Lay the Last Mile towards Reading Comprehension -- Summarized Logical Forms for Controlled Question Answering -- Summarized Logical Forms based on Abstract Meaning Representation and Discourse Trees -- Acquiring New Definitions of Entities -- Inferring Logical Clauses for Answering Complex Multi-hop Open Domain Questions -- Managing Customer Relations in an Explainable Way -- Recognizing Abstract Classes of Text Based on Discourse -- Conversational Explainability for CRM. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Artificial Intelligence for Customer Relationship Management : Solving Customer Problems Tipo de documento: documento electrónico Autores: Galitsky, Boris, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XIX, 463 p. 226 ilustraciones, 112 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-61641-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Relaciones con los clientes Inteligencia artificial Simulación por ordenador Interfaces de usuario e interacción persona-computadora Gestión de relaciones con el cliente Modelado por computadora Índice Dewey: 005.437 Interfaces de usuario Resumen: El segundo volumen de esta monografía de investigación describe una serie de aplicaciones de la Inteligencia Artificial en el campo de la Gestión de Relaciones con el Cliente con el objetivo de resolver los problemas de los clientes. Diseñamos un sistema que intenta comprender la queja del cliente, su estado de ánimo y qué se puede hacer para resolver un problema con el producto o servicio. Para resolver el problema de un cliente de manera eficiente, mantenemos un diálogo con el cliente para que se pueda aclarar el problema y se puedan buscar múltiples formas de solucionarlo. Introducimos la gestión del diálogo basada en el análisis del discurso: una forma lingüística sistemática de manejar el proceso de pensamiento del autor del contenido a entregar. Analizamos los sentimientos de los usuarios y los rasgos personales para adaptar la gestión del diálogo a cada cliente. También diseñamos una serie de escenarios de diálogo para CRM con respuestas siguiendo ciertos patrones y proponemos diálogos virtuales y sociales para diversas modalidades de comunicación con un cliente. Después de aprender a detectar contenido falso, engaño e hipocresía, examinamos el ámbito de las quejas de los clientes. Simulamos estados mentales, actitudes y emociones de un denunciante e intentamos predecir su comportamiento. Después de sugerir representaciones formales basadas en gráficos de escenarios de quejas, las aprendemos automáticamente para identificar la mejor acción que la organización de atención al cliente puede elegir para retener al reclamante como cliente. Nota de contenido: Chatbots for CRM and Dialogue Management -- Recommendation by Joining a Human Conversation -- Adjusting Chatbot Conversation to User Personality and Mood -- A Virtual Social Promotion Chatbot with Persuasion and Rhetorical Coordination -- Concluding a CRM Session -- Truth, Lie and Hypocrisy -- Reasoning for Resolving Customer Complaints- Concept-based Learning of Complainant's Behavior -- Reasoning and Simulation of Mental Attitudes of a Customer -- CRM Becomes Seriously Ill -- Conclusions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Artificial Intelligence for Customer Relationship Management : Solving Customer Problems [documento electrónico] / Galitsky, Boris, Autor . - 1 ed. . - [s.l.] : Springer, 2021 . - XIX, 463 p. 226 ilustraciones, 112 ilustraciones en color.
ISBN : 978-3-030-61641-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Relaciones con los clientes Inteligencia artificial Simulación por ordenador Interfaces de usuario e interacción persona-computadora Gestión de relaciones con el cliente Modelado por computadora Índice Dewey: 005.437 Interfaces de usuario Resumen: El segundo volumen de esta monografía de investigación describe una serie de aplicaciones de la Inteligencia Artificial en el campo de la Gestión de Relaciones con el Cliente con el objetivo de resolver los problemas de los clientes. Diseñamos un sistema que intenta comprender la queja del cliente, su estado de ánimo y qué se puede hacer para resolver un problema con el producto o servicio. Para resolver el problema de un cliente de manera eficiente, mantenemos un diálogo con el cliente para que se pueda aclarar el problema y se puedan buscar múltiples formas de solucionarlo. Introducimos la gestión del diálogo basada en el análisis del discurso: una forma lingüística sistemática de manejar el proceso de pensamiento del autor del contenido a entregar. Analizamos los sentimientos de los usuarios y los rasgos personales para adaptar la gestión del diálogo a cada cliente. También diseñamos una serie de escenarios de diálogo para CRM con respuestas siguiendo ciertos patrones y proponemos diálogos virtuales y sociales para diversas modalidades de comunicación con un cliente. Después de aprender a detectar contenido falso, engaño e hipocresía, examinamos el ámbito de las quejas de los clientes. Simulamos estados mentales, actitudes y emociones de un denunciante e intentamos predecir su comportamiento. Después de sugerir representaciones formales basadas en gráficos de escenarios de quejas, las aprendemos automáticamente para identificar la mejor acción que la organización de atención al cliente puede elegir para retener al reclamante como cliente. Nota de contenido: Chatbots for CRM and Dialogue Management -- Recommendation by Joining a Human Conversation -- Adjusting Chatbot Conversation to User Personality and Mood -- A Virtual Social Promotion Chatbot with Persuasion and Rhetorical Coordination -- Concluding a CRM Session -- Truth, Lie and Hypocrisy -- Reasoning for Resolving Customer Complaints- Concept-based Learning of Complainant's Behavior -- Reasoning and Simulation of Mental Attitudes of a Customer -- CRM Becomes Seriously Ill -- Conclusions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Developing Enterprise Chatbots : Learning Linguistic Structures Tipo de documento: documento electrónico Autores: Galitsky, Boris, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XV, 559 p. 198 ilustraciones, 132 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-04299-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Ligüística computacional Ingeniería de software Índice Dewey: 006.3 Inteligencia artificial Resumen: Se espera que un chatbot sea capaz de mantener una conversación cohesiva y coherente y que tenga conocimientos, lo que lo convierte en uno de los sistemas inteligentes más complejos que se están diseñando hoy en día. Los diseñadores deben aprender a combinar enfoques de razonamiento y comprensión del lenguaje intuitivos y explicables con tecnologías estadísticas y de aprendizaje profundo de alto rendimiento. Hoy en día, existen dos paradigmas populares para la construcción de chatbots: 1. Construir una plataforma de bots con capacidades universales de PNL y ML para que un desarrollador de bots para una empresa en particular, sin ser un experto, pueda completarla con datos de capacitación; 2. Acumule un enorme conjunto de datos de diálogo de capacitación, introdúzcalos en una red de aprendizaje profundo y espere que el chatbot capacitado aprenda automáticamente "cómo chatear". Aunque se informa que estos dos enfoques imitan algunos diálogos inteligentes, ninguno de ellos es adecuado para chatbots empresariales, ya que son poco confiables y demasiado frágiles. Este último enfoque se basa en la creencia de que se producirá algún milagro de aprendizaje y un chatbot comenzará a funcionar sin una ingeniería de dominio y características exhaustiva por parte de un experto y algoritmos de gestión de diálogo interpretables. Los chatbots empresariales de alto rendimiento con un amplio conocimiento del dominio requieren una combinación de aprendizaje automático estadístico, inductivo y profundo y aprendizaje de la web, PNL sintáctica, semántica y discursiva, razonamiento basado en ontologías y una máquina de estados para controlar un diálogo. Este libro proporcionará una fuente completa de algoritmos y arquitecturas para crear chatbots para diversos dominios basándose en las tendencias recientes en lingüística computacional y aprendizaje automático. El foco de este libro son las aplicaciones del análisis del discurso en la evaluación relevante de textos, la gestión del diálogo y la generación de contenido, que ayudan a superar las limitaciones de los enfoques basados en plataformas y basados en datos. El código y el material complementario están disponibles en https://github.com/bgalitsky/relevance-based-on-parse-trees. Nota de contenido: Introduction to Chatbots -- Social Chatbots and Development Platforms -- Chatbot Components and Architectures -- Providing Natural Language Access to a Database -- Chatbot Relevance at Syntactic Level -- Semantic Skeleton-based Search for Question and Answering Chatbots -- Relevance at the Level of Paragraph: Parse Thickets -- Chatbot Thesauri -- Content Processing Pipeline -- Achieving Rhetoric Agreement in a Conversation -- Discourse-level Dialogue Management,- Chatbots Providing and Accepting Argumentation. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Developing Enterprise Chatbots : Learning Linguistic Structures [documento electrónico] / Galitsky, Boris, Autor . - 1 ed. . - [s.l.] : Springer, 2019 . - XV, 559 p. 198 ilustraciones, 132 ilustraciones en color.
ISBN : 978-3-030-04299-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Ligüística computacional Ingeniería de software Índice Dewey: 006.3 Inteligencia artificial Resumen: Se espera que un chatbot sea capaz de mantener una conversación cohesiva y coherente y que tenga conocimientos, lo que lo convierte en uno de los sistemas inteligentes más complejos que se están diseñando hoy en día. Los diseñadores deben aprender a combinar enfoques de razonamiento y comprensión del lenguaje intuitivos y explicables con tecnologías estadísticas y de aprendizaje profundo de alto rendimiento. Hoy en día, existen dos paradigmas populares para la construcción de chatbots: 1. Construir una plataforma de bots con capacidades universales de PNL y ML para que un desarrollador de bots para una empresa en particular, sin ser un experto, pueda completarla con datos de capacitación; 2. Acumule un enorme conjunto de datos de diálogo de capacitación, introdúzcalos en una red de aprendizaje profundo y espere que el chatbot capacitado aprenda automáticamente "cómo chatear". Aunque se informa que estos dos enfoques imitan algunos diálogos inteligentes, ninguno de ellos es adecuado para chatbots empresariales, ya que son poco confiables y demasiado frágiles. Este último enfoque se basa en la creencia de que se producirá algún milagro de aprendizaje y un chatbot comenzará a funcionar sin una ingeniería de dominio y características exhaustiva por parte de un experto y algoritmos de gestión de diálogo interpretables. Los chatbots empresariales de alto rendimiento con un amplio conocimiento del dominio requieren una combinación de aprendizaje automático estadístico, inductivo y profundo y aprendizaje de la web, PNL sintáctica, semántica y discursiva, razonamiento basado en ontologías y una máquina de estados para controlar un diálogo. Este libro proporcionará una fuente completa de algoritmos y arquitecturas para crear chatbots para diversos dominios basándose en las tendencias recientes en lingüística computacional y aprendizaje automático. El foco de este libro son las aplicaciones del análisis del discurso en la evaluación relevante de textos, la gestión del diálogo y la generación de contenido, que ayudan a superar las limitaciones de los enfoques basados en plataformas y basados en datos. El código y el material complementario están disponibles en https://github.com/bgalitsky/relevance-based-on-parse-trees. Nota de contenido: Introduction to Chatbots -- Social Chatbots and Development Platforms -- Chatbot Components and Architectures -- Providing Natural Language Access to a Database -- Chatbot Relevance at Syntactic Level -- Semantic Skeleton-based Search for Question and Answering Chatbots -- Relevance at the Level of Paragraph: Parse Thickets -- Chatbot Thesauri -- Content Processing Pipeline -- Achieving Rhetoric Agreement in a Conversation -- Discourse-level Dialogue Management,- Chatbots Providing and Accepting Argumentation. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
