BERTopic e LDA: due approcci al Machine Learning documentale

I ticket di assistenza raccolti per anni dall’azienda sono una grande fonte di dati da cui poter estrarre nuovi insight riguardanti il benessere e le preoccupazioni dei clienti. La problematica principale consiste nel fatto che queste richieste di assistenza sono composte da dati non strutturati, la cui analisi può risultare complessa. Lo scopo dell'azienda è riuscire ad abilitare vari processi aziendali mediante la classificazione per argomento delle richieste di assistenza e la loro quantificazione relativa. Questi processi aziendali comprendono, ad esempio, l'offerta al cliente di un possibile primo approccio di self-healing attraverso un consolidamento e una standardizzazione delle soluzioni, l'indirizzamento automatico dei futuri ticket di assistenza al team preposto o la ricerca di un approccio data-driven per il processo di miglioramento della qualità del prodotto. Lo scopo di questa tesi è quello di analizzare, sfruttando tecniche di NLP e più precisamente nella loro declinazione di Topic Modeling, le performance e i risultati ottenuti dagli algoritmi LDA e BERTopic nell’estrazione di argomenti da una raccolta di casi di assistenza ricca di parole di dominio. Dopo aver preprocessato e filtrato i dati, i due algoritmi sono stati applicati sullo stesso insieme di documenti e successivamente affinati a più iterazioni per ottenere un risultato che si avvicinasse il più possibile alle richieste dell’azienda. I risultati così ottenuti hanno dimostrato come ognuno dei due algoritmi performasse meglio in un determinato ambito. LDA ha dimostrato una forte dipendenza dai dati iniziali e dai parametri scelti a fronte di una significativa riduzione dei tempi di esecuzione. BERTopic ha dimostrato una migliore resilienza a fronte di una peggiore qualità dei dati di partenza e una rappresentazione dei risultati più efficace, riuscendo a estrarre in maniera più chiara e coerente gli argomenti latenti.