NLP-based detection of systematic anomalies among the narratives of consumer complaints

要約

私たちは、苦情の物語の中から体系的な非メリットの消費者苦情 (単に「系統的異常」と呼ばれます) を検出するための NLP ベースの手順を開発します。
顕著な異常を検出するために分類アルゴリズムが使用されますが、小規模で頻繁に発生する系統的な異常の場合、技術的な理由や人間の分析者の自然な制限など、さまざまな理由によりアルゴリズムが機能しない可能性があります。
したがって、分類の次のステップとして、苦情の説明を定量的なデータに変換し、系統的な異常を検出するためのアルゴリズムを使用して分析します。
消費者金融保護局の消費者苦情データベースからの苦情の説明を使用して、手順全体を説明します。

要約(オリジナル)

We develop an NLP-based procedure for detecting systematic nonmeritorious consumer complaints, simply called systematic anomalies, among complaint narratives. While classification algorithms are used to detect pronounced anomalies, in the case of smaller and frequent systematic anomalies, the algorithms may falter due to a variety of reasons, including technical ones as well as natural limitations of human analysts. Therefore, as the next step after classification, we convert the complaint narratives into quantitative data, which are then analyzed using an algorithm for detecting systematic anomalies. We illustrate the entire procedure using complaint narratives from the Consumer Complaint Database of the Consumer Financial Protection Bureau.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google