Tickets de support client multilingues (synthétiques)
Un jeu de données entièrement synthétique pour l'entraînement et l'évaluation de modèles de service d'assistance tels que la classification de file d'attente, de priorité et de type, ainsi que pour le pré-entraînement d'aide à la réponse. Créé avec notre générateur de données synthétiques Python et publié sur Kaggle.
- Kaggle : Jeu de données de tickets
- Génération de données synthétiques (prévu en LGPL)
- Besoin de données personnalisées ou de l'outil ? sales@softoft.de
Aperçu des versions
| Version | Langues | Taille (relative) | Remarques |
|---|---|---|---|
| v5 | EN, DE | La plus grande | Taxonomie/équilibrage les plus récents et affinés ; se concentre sur la qualité EN/DE. |
| v4 | EN, DE | Grande | Similaire à l'orientation de la v5 ; prompts et distributions légèrement plus anciens. |
| v3 | EN, DE, + autres (FR/ES/PT) | Plus petite | Pipeline plus ancien ; plus de langues mais un contenu globalement moins diversifié. |
Les anciennes versions incluent plus de langues mais sont généralement plus petites et moins diversifiées. Les versions les plus récentes (v5, v4) mettent l'accent sur la qualité et l'échelle EN/DE.
Quelle version devrais-je utiliser ?
- Entraînement de modèles de production EN/DE → commencez avec la v5 (ou la v4 si vous avez besoin d'un ensemble plus ancien comparable).
- Recherche sur plusieurs langues → v3 (plus petite, mais inclut plus de localisations).
Fichiers et nommage
Vous trouverez des exports CSV par version (exemples) :
dataset-tickets-multi-lang-4-20k.csv
dataset-tickets-multi-lang3-4k.csv
dataset-tickets-german_normalized.csvSchéma
Chaque ticket inclut un texte principal ainsi que des étiquettes utilisées par Open Ticket AI.
| Colonne | Description |
|---|---|
subject | L'objet de l'e-mail du client |
body | Le corps de l'e-mail du client |
answer | La première réponse de l'agent (générée par IA) |
type | Type de ticket (ex: Incident, Demande, Problème, …) |
queue | File d'attente cible (ex: Support Technique, Facturation) |
priority | Priorité (ex: basse, moyenne, haute) |
language | Langue du ticket (ex: en, de, …) |
version | Version du jeu de données (métadonnées) |
tag_1, tag_2, … | Un ou plusieurs tags thématiques (peut être null par endroits) |
Extraits des données
de (Incident / Support Technique / haute)Objet : Wesentlicher Sicherheitsvorfall Corps (extrait) : „…ich möchte einen gravierenden Sicherheitsvorfall melden…“ Réponse (extrait) : „Vielen Dank für die Meldung…“
en (Incident / Support Technique / haute)Objet : Account Disruption Corps (extrait) : “I am writing to report a significant problem with the centralized account…” Réponse (extrait) : “We are aware of the outage…”
en (Demande / Retours et Échanges / moyenne)Objet : Query About Smart Home System Integration Features Corps (extrait) : “I am reaching out to request details about…” Réponse (extrait) : “Our products support…”
Tour d'horizon visuel
Utilisation prévue et limitations
Utilisation prévue :
- Entraînement de modèles à froid pour file d'attente/priorité/type
- Expériences d'équilibrage de classes
- Benchmarking multilingue (utilisez la v3 si vous avez besoin de FR/ES/PT)
Limitations :
- Les distributions synthétiques peuvent différer de votre trafic de production. Validez toujours sur un petit échantillon réel et anonymisé avant le déploiement.
Comment charger et vérifications rapides
import pandas as pd
df = pd.read_csv("dataset-tickets-multi-lang-4-20k.csv") # ou la version de votre choix
# Vérifications de base
print(df.language.value_counts())
print(df.queue.value_counts().head())
# Préparer un texte simple pour la classification
X = (df["subject"].fillna("") + "\n\n" + df["body"].fillna("")).astype(str)
y = df["queue"].astype(str)Relation avec Open Ticket AI
Ce jeu de données reflète les étiquettes que Open Ticket AI prédit sur les tickets entrants (file d'attente, priorité, type, tags). Utilisez-le pour amorcer l'entraînement et l'évaluation ; déployez votre modèle avec Open Ticket AI une fois que vous êtes satisfait des métriques.
Licence et citation
- Jeu de données : veuillez ajouter ici la licence de données de votre choix (par ex., CC BY 4.0).
- Générateur : prévu en LGPL. Pour un accès ou des personnalisations : sales@softoft.de.
Citation suggérée :
Bueck, T. (2025). Multilingual Customer Support Tickets (Synthetic). Kaggle Dataset. Generated with the Open Ticket AI Synthetic Data Generator.
Changelog (vue d'ensemble)
- v5 : EN/DE uniquement ; plus grand ensemble ; taxonomie et équilibrage améliorés.
- v4 : EN/DE ; grand ; ensemble de prompts plus ancien.
- v3 : Plus petit ; inclut des langues supplémentaires (FR/ES/PT), pipeline plus ancien.