본 논문은 고객 문의 의도 분류를 위한 문맥 인식 NLU 모델인 MTL-CNLU-SAWC를 제안합니다. 기존 모델들이 고객 문의만을 사용하여 의도를 예측하는 것과 달리, 고객의 주문 배송 상태와 같은 문맥 정보를 추가적으로 활용합니다. 선택적 어텐션 모듈을 통해 관련 문맥 특징을 추출하고, 다중 작업 학습 패러다임을 적용하여 다양한 레이블 유형을 효과적으로 활용합니다. Walmart 고객 서비스 분야에 실제 배포되어 연간 백만 달러에 달하는 비용 절감 효과를 달성했습니다.
시사점, 한계점
•
시사점:
◦
고객 문의 의도 분류 정확도 향상 (기존 모델 대비 top 2 정확도 4.8% 증가, SOTA 모델 대비 3.5% 증가).
◦
문맥 정보 활용을 통한 모호한 문의 처리 개선.
◦
다중 작업 학습 및 선택적 어텐션 메커니즘의 효과적인 활용 사례 제시.
◦
실제 서비스 배포를 통한 비용 절감 효과 검증 (연간 백만 달러).
•
한계점:
◦
Walmart 고객 서비스 도메인에 특화된 모델로, 다른 도메인으로의 일반화 가능성에 대한 추가 연구 필요.
◦
사용된 문맥 정보의 종류와 범위가 제한적일 수 있음. 다양한 유형의 문맥 정보를 통합하는 방안에 대한 추가 연구 필요.
