熊子瑜，北京大学光华管理学院在读博士生。
1. 引言
随着数字化和人工智能的蓬勃发展，基于实时互动的在线商业模式不断涌现，如电商直播(Fei et al., 2021)、社交网络营销(Lien et al., 2017)和智能机器人电话营销(Azad et al., 2020)等。这些新兴模式充分利用语音、视频等多元化通信渠道，实现了客户与商家之间更为紧密的互动，从而创造了巨大的商业机会。研究表明，更深层次的客户参与往往会导致更高的销售额(Morgan et al., 2018)，因此，如何在互动过程中提升客户满意度成为学界和业界共同关注的焦点(Ba & Johansson, 2008)。
对于线下零售商而言，"线上邀约、线下体验"模式已成为一种新兴的有效营销策略。在这种模式下，准确预测客户是否会对线上邀约做出线下响应变得至关重要，但同时也面临诸多挑战。其中最显著的是缺乏客户个人信息，以及传统的营销预测方法难以直接应用于处理这种场景下的复杂语音对话数据。相关理论研究表明，满意度是影响客户购买意愿的关键因素(Kuo et al., 2009; Fang et al., 2014)。进一步研究发现，客户满意度主要取决于在线体验(Novak et al., 2000; Rose et al., 2011)和期望(Oliver, 1977; Venkatesh & Goyal, 2010)。如何从语音对话中学习客户的动态期望、体验和满意度成为解决这一问题的关键。
为了应对上述挑战，本研究提出了动态满意度驱动的深度学习(DSDL)模型。该模型巧妙融合了三大创新机制：基于属性频率和顺序的偏好嵌入、基于多视角注意力注意力机制和基于双向稀疏性的对比学习。DSDL能够协同建模客户的个性化偏好、动态体验和满意度，从而显著增强客户响应预测的效果。实证研究表明，DSDL在预测性能和提取特征方面均优于多种最新的深度学习方法。本研究为基于语音对话的客户响应预测提供了新的理论视角和实践方法。
2. 相关工作
2.1 影响在线顾客体验的因素
随着社交媒体和人工智能技术的快速发展，全渠道零售业蓬勃兴起。通过社交媒体、电子邮件、短信、网站和电话等多种在线渠道，客户与企业之间实现了无缝互动(Song et al., 2020b)。其中，文本和语音成为两种主要的交互方式，它们的共同目标是提供高质量服务，从而提升客户满意度(Chen et al., 2018)。优质的购买决策体验能够显著提高客户忠诚度并增加业务收入，因此，评估客户体验成为了众多研究的焦点(Klaus & Maklan, 2013; Shi et al., 2020)。已有研究深入探讨了影响在线客户体验的多种因素：Novak等人(2000)发现客户类型和交互速度等因素影响在线体验的形成。van Dolen等人(2007)强调了顾问沟通风格对客户满意度的重要性。Rose等人(2011)总结了在线和线下环境下客户体验的差异。这些研究为利用语音聊天数据预测客户响应奠定了理论基础。
2.2 用于顾客响应预测的特征
客户响应预测对零售商开拓客户资源、促进销售至关重要(Cui et al., 2006)。传统上，这类预测主要在直复营销中运用定量特征。Olson and Chae (2012)展示了近期性、频率和金额等交易特征在客户响应建模中的重要作用。Moro et al. (2014)基于客户、产品和社会经济属性，运用机器学习方法成功预测了电话营销的成功率。在缺乏个人信息的情况下，Li (2018)创新性地通过推断客户网络结构来预测其接受在线邀请的意愿。Chapelle et al. (2015)的研究发现，广告的响应率不仅取决于信息的呈现方式，还与客户的接收方式密切相关。这些研究共同表明，客户响应主要受到客户、零售商及其互动相关因素的综合影响。
2.3 客户响应预测的方法
在预测方法方面，传统机器学习方法如集成学习广泛应用于处理定量特征(Chun, 2012; Apampa, 2016)。随着全渠道交互兴起，多模态数据和深度学习方法变得普遍。McLean和Osei-Frimpong(2017)证明了理论构念对在线交互体验满意度的影响，而Ramaswamy和DeClerck(2018)使用深度学习方法建模客户的多模态数据感知。Ling等人(2019)和Kim等人(2021)分别通过多渠道交互和混合深度学习方法预测客户行为。然而，现有方法通常依赖效率低下的语义标记。且主要依赖定量特征和文本数据，难以充分捕捉语音聊天数据的复杂模式。本研究旨在填补这一空白，提出新方法处理语音聊天的多模态信息，并将理论驱动的客户满意度整合到深度学习框架中，以提高预测性能和模型可解释性。
3. 方法设计
本文提出DSDL方法用于"在线邀请，到店体验"语音对话模式下的客户响应预测。DSDL方法综合了三种创新机制:
个性化偏好模板的构建：本文采用了基于属性频率和顺序的偏好词嵌入方法,旨在构建能够反映顾客个性化偏好的模板。 多视角动态体验建模：本文提出了基于交叉注意力的深度学习机制,以交错的方式从顾客视角和客服视角分别建模语音对话信息。 满意度驱动的响应预测：本文设计了基于双向稀疏的对比学习机制，通过构建满意度生成任务和响应预测任务，实现动态满意度驱动的预测。满意度生成任务捕捉顾客满意度的变化，响应预测任务据此判断顾客是否会到店体验，联合学习提升了预测准确性。
3.1 DSDL概述
DSDL方法的整体框架如图1所示。给定语音对话数据,DSDL首先通过语音活动检测(VAD)（Gelly and Gauvain，2018）方法对对话进行分段,获得多个对话片段序列。考虑到语音数据的多模态特性,DSDL一方面直接提取音频特征,另一方面将音频转录为文本以提取文本嵌入。此外,为了捕捉顾客的个性化偏好,DSDL基于文本片段采用偏好嵌入策略为每位顾客生成专属偏好模板。接下来,DSDL构建了一个包含双路并行LSTM(Long Short-Term Memory)的多视角深度学习模型,分别对文本嵌入序列和音频特征序列进行建模。然后,DSDL根据说话人角色将对话序列划分为顾客视角和客服视角两组。在此基础上,DSDL引入交叉注意力机制来学习顾客-客服之间的交错对话,充分挖掘对话双方的交互信息。最后,DSDL在融合了偏好模板和交叉视角嵌入的特征空间中,通过双向稀疏对比学习策略来学习动态的顾客满意度变化。具体而言,DSDL同时执行满意度生成任务和响应预测任务,通过这两个任务的交替训练实现了动态满意度驱动下的响应预测。DSDL最终将满意度生成结果与深度学习预测结果相结合,输出顾客是否会到店体验的预测结果。
3.2 数据收集与预处理
在本研究中，顾客在被邀请前均已在平台注册，表明其具备初始购买意愿。基于语音对话数据和响应标签，本文剔除了意外中断或时长过短的对话实例。双轨系统分别记录顾客和客服的声音，可按说话人角色分割语音对话。为更好地捕捉顾客与客服的互动信息，本文采用VAD方法将对话进一步切分为多个片段。该模型通过检测暂停和静音可识别出语音对话中的自然对话片段。经分段后，语音对话按时间顺序交替分布在两个轨道（即说话人角色）上。本文移除了过短的片段以删除空文本，并剔除了仅含单个说话人的样本。为使对话序列适应后续模型训练，本文采用填充掩码(Vaswani et al.， 2017)对其进行预处理，将输入序列处理为相同长度和维度。通过截断长序列、填充短序列(Dwarampudi and Reddy， 2019)，所有对话序列被填充到固定长度。同时，借助掩码策略，人工填充值在后续训练和测试中被剔除(Song et al.， 2020a)。
3.3 嵌入特征提取
预处理后，本文获得了含说话人对话序列的样本集合。在语音对话中，语言内容和声音特征都对提取客户-客服交互方式和客户满意度起着重要作用。因此，本研究从两个角度提取特征：一是从会话内容的角度提取文本特征，二是从信息传递的角度提取音频特征。对于文本特征，本文首先将对话序列转换为文本序列。然后采用预训练BERT模型(Devlin et al.， 2018)从文本中提取嵌入向量，获得所有文本序列的嵌入矩阵，其中，L为填充后的序列长度。对于音频特征，本文选择提取梅尔频率倒谱系数（MFCC）(Zheng et al.， 2001)，该特征是于人类听觉系统提取声学信号的参数化表示。通过预加重、分帧、加窗、快速傅里叶变换、梅尔标度滤波、离散余弦变换以及能量和频谱差等七个步骤依次处理原始音频信号，提取每个音频对话片段的MFCC特征矩阵。进一步，本文将每个对话序列的多个片段级MFCC矩阵沿帧维度聚合为样本级特征向量，从而得到所有对话序列的MFCC特征矩阵，其中，为MFCC特征的维度。
3.4 个性化偏好模板构建
用户的文本描述蕴含推断其个性化偏好的重要线索，因为用户在表达对产品的观点时，往往会突出其关注的属性 (Jiang et al., 2015; Li et al., 2015)。本文据此提出一种基于属性频率和顺序的偏好嵌入方法来建模顾客对关键产品属性的个性化偏好。首先，将顾客的所有文本片段汇总为顾客级文档。然后使用LDA方法对所有顾客文档提取其潜在主题并通过人工筛选从主题中选择个关键属性，确保这些属性与产品或客户服务密切相关。
给定个关键属性，偏好嵌入方法为每位顾客建立一个的属性矩阵作为关键属性空间，以容纳顾客的个性化偏好，即。然后为每位顾客构建偏好模板。具体而言，对第位顾客，将其文本序列切分为长度为的单词列表。对每个对角元素，其中且，用其在单词列表中对应属性词的频率填充，其中为第个属性在第位顾客单词列表中的出现次数。对每个非对角元素，其中，用即第个和第个属性的平均顺序差填充:
偏好模板矩阵从两个方面反映顾客偏好。首先，对角元素（即叙述强度）反映了第位顾客在对话中对第个属性的重视程度，属性频率越高，偏好度越高。其次，较大的（即时序优先级）表明第个属性在对话中被优先提及，因此非对角元素表明第位顾客对第个属性相对第个属性的优先程度。
3.5 模型构建
为建模顾客体验，本文提出一种多视角深度学习模型——交叉注意力深度学习模型，借助双模态神经网络框架协同多视角特征，并用交叉注意力机制协调两个说话人的对话子序列。双模态框架由文本和音频两个并行LSTM组成。两个神经网络均通过递归分时步迭代训练，每个对话片段对应一个时间步。填充后，每个对话序列包含个片段，每个LSTM有个隐藏单元。通过文本LSTM最后一个隐藏单元的状态，得到文本嵌入，其中为隐藏嵌入的维度。类似地，基于音频LSTM得到音频嵌入。
鉴于对话序列的问答性质，每个时间步的片段存在两种可能:顾客对客服的回应，或客服对顾客的回应。这两种情况相关的互动模式均会影响顾客满意度体验，取决于产品推介是否得当以及顾客对产品的要求是否得到满意解答。第一种情况的体验满意度反映在顾客对客服的回应中(即查询向量属于客服)，第二种则体现在客服对顾客提问的回答中(即查询向量属于顾客)。本文设计的交叉注意力机制通过捕捉顾客-客服互动模式中查询向量角色的两种可能性，以符合建模顾客体验的要求。具体而言，在每个时间步，交叉注意力深度学习模型将两个神经网络的隐藏嵌入拼接为多视角嵌入，并根据说话人角色将多视角嵌入序列交替排列为两个子序列。即，第个多视角嵌入属于顾客(若)或客服(若)。
然后，采用交叉注意力机制协同训练两个说话人多视角嵌入序列和。对输入序列的每个元素，注意力机制为其分配三个权重向量:键向量()用于唯一编码输入元素，值向量()用于生成输入元素的隐藏表示，查询向量()用于捕捉当前元素与其他上下文元素的相关性。在训练迭代过程中，每个查询均作为目标查询一次，目标查询分别与中向量通过函数(Ma et al.， 2017; Vaswani et al.， 2017)匹配，产生一个目标查询的的权重。对每个目标查询，根据权重将中向量映射到嵌入空间。与标准注意力机制(如自注意力和多头注意力)(Vaswani et al.， 2017; Chaudhari et al.， 2019)在同一序列内匹配查询和键向量不同，交叉注意力机制跨两个子序列和交互式地执行匹配，即将顾客查询与客服键向量匹配，将客服查询与顾客键向量匹配。交叉注意力深度学习模型在每个时间步产生一个交叉视角嵌入()，其中顾客体验以顾客-客服互动方式捕捉。
3.6 学习动态满意度
基于偏好模板和交叉视角嵌入，DSDL利用双向稀疏对比学习方法学习动态顾客期望和体验，从而产生用于顾客响应预测的动态满意度。DSDL的学习过程如图2所示。给定第位顾客的偏好模板和交叉视角嵌入矩阵，双向稀疏对比学习方法分别沿对话序列对其进行投影。对偏好模板，用将其投影为动态期望矩阵，即。元素可理解为第位顾客在第个时间步对第个产品属性的期望。中元素反映了在第个时间步顾客对关键产品属性的期望程度。 对交叉视角嵌入矩阵，用将其投影为动态体验矩阵，即。元素表示第位顾客在第个时间步对第个产品属性的体验满意度。中可视为将维体验特征投影到第个时间步的维属性级体验满意度。
对比学习方法基于期望和体验两个维度，通过动态差异分析来计算满意度。本文考虑第位顾客在第个时间步的所有关键属性，并定义两个关键指标：总期望满意度和总体验满意度。
由于缺乏真实标签以直接优化期望矩阵和体验矩阵，双向稀疏对比学习方法基于满意度(即差异)与购买意愿之间的因果关系(Venkatesh and Goyal， 2010)对其进行估计。对于实际到店的顾客，将其视为满意实例。通过对比学习方法，本文尝试扩大这些顾客的体验满意度（F）和期望满意度（E）之间的差距。相反，对于未到店的顾客则采取相反的策略，缩小其F和E之间的差距。
形成累积满意度时，某属性或片段满意度的作用可能因顾客个性化偏好而异(Ofek and Srinivasan， 2002)。例如，对累积满意度为正的顾客，其在某些方面(即属性或时间步)可能有一些不满意的经历，但这些方面对该顾客而言影响较小。为了实现更稳健的累积满意度估计，对比学习方法引入了双向稀疏约束。这种约束机制在属性和片段满意度层面产生稀疏效应，从而提高了模型的鲁棒性。值得注意的是，类似约束的稳健学习效果已在先前的研究中得到验证（Zhang et al., 2020）。这种方法不仅增强了模型的泛化能力，还提高了其对异常值和噪声数据的抗干扰能力。和的对比学习目标函数可表示为：
3.7 理论驱动满意度生成与深度学习预测相结合
本文为基于客户满意度对客户相应进行预测， 使用两个LSTM网络分别提取和的特征，记为和，进行初始预测:
获得累积满意度和初始预测后，DSDL通过以下方式合成这两个组件，以实现更可靠的预测:
综上，DSDL的总体优化目标函数为
4. 实证评估
4.1 数据
本文使用10,625个有效样本进行评估，每个样本对应一次语音聊天。其中3,226名客户在30天内未访问实体店，被视为负例。数据收集时间跨度为2019年1月至12月。
4.2 实验
本文基于四个数据集进行了实验：完整数据集、平衡数据集、长对话数据集和短对话数据集。实验比较了DSDL与12种最先进的深度学习方法，包括基准深度学习方法、多模态深度学习方法、基于注意力机制的会话分析方法以及基于对比学习的深度学习方法。评估采用了五次独立运行的十折交叉验证，主要评估指标为AUC，辅以Kolmogorov-Smirnov统计量和H测度。
4.3 实验结果
表1和表2总结了DSDL与基准方法在不同数据集上的预测性能比较。表1展示了在短对话和长对话数据集上的结果，而表2展示了在平衡数据集和完整数据集上的结果。结果显示DSDL在所有所有数据集的预测结果上始终优于所有基准方法。
表3和表4展示了各种方法提取的特征在下游分类器（SVM、随机森林、XGBoost）上的性能。表4针对短对话和长对话数据集，表5针对平衡数据集和完整数据集。结果表明，DSDL提取的特征在所有情况下都表现最佳。
表5比较了DSDL生成的动态满意度特征、深度表示特征及其组合在下游分类器上的性能。结果显示，动态满意度和深度表示特征的组合表现最佳，证明了理论驱动的满意度特征对传统深度学习方法的增强作用。
表6展示了DSDL不同变体（仅使用预测损失、仅使用满意度生成损失、同时使用两种损失）的性能比较。结果表明，同时优化预测损失和满意度生成损失的DSDL表现最佳。
5. 结论与启示
本研究提出了一种理论驱动的深度学习方法DSDL（Dynamic Satisfaction-empowered Deep Learning），用于"线上邀约、线下体验"模式中的客户响应预测。DSDL通过整合基于属性频率和顺序的偏好嵌入、基于多视角注意力机制的深度学习，以及基于双向稀疏性的对比学习，成功地利用语音聊天数据评估客户满意度和到店意向。实证研究结果表明，DSDL在预测性能上优于现有最先进的方法，同时提供了对客户偏好、体验形成过程和动态满意度的深入洞察。这些发现不仅扩展了客户行为的理解，还为改进预测模型提供了重要依据。
从管理实践角度看，DSDL为零售商提供了一个有力工具，可以帮助他们识别和保留高价值客户，提高营销效率和竞争优势。通过结合理论驱动的构念与数据驱动的预测能力，DSDL能够产生更有效的预测模型，并揭示实用的商业洞察。此外，DSDL生成的动态满意度和个性化客户偏好信息可以指导零售商改进产品质量、服务水平和营销策略。
参考文献
Apampa, O. (2016). Evaluation of classification and ensemble algorithms for bank customer marketing response prediction. Journal of International Technology and Information Management, 25(4), 85-101.
Azad, M. A., Alazab, M., Riaz, F., Arshad, J., & Abullah, T. (2020). Socioscope: I know who you are, a robo, human caller or service number. Future Generation Computer Systems, 105, 297-307.
Ba, S. L., & Johansson, W. C. (2008). An exploratory study of the impact of e-service process on online customer satisfaction. Production and Operations Management, 17(1), 107-119.
Chapelle, O., Manavoglu, E., & Rosales, R. (2015). Simple and scalable response prediction for display advertising. ACM Transactions on Intelligent Systems and Technology, 5(4), 1-34.
Chaudhari, S., Polatkan, G., Ramanath, R., & Mithal, V. (2019). An attentive survey of attention models. arXiv preprint arXiv:1904.02874.
Chen, Y., Cheung, C. M., & Tan, C. W. (2018). Omnichannel business research: Opportunities and challenges. Decision Support Systems, 109, 1-4.
Chun, Y. H. (2012). Monte Carlo analysis of estimation methods for the prediction of customer response patterns in direct marketing. European Journal of Operational Research, 217(3), 673-678.
Cui, G., Wong, M. L., & Lui, H. K. (2006). Machine learning for direct marketing response models: Bayesian networks with evolutionary programming. Management Science, 52(4), 597-612.
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2018). BERT: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:1810.04805.
Dwarampudi, M., & Reddy, N. V. S. (2019). Effects of padding on LSTMs and CNNs. arXiv preprint arXiv:1903.07288.
Fang, Y., Qureshi, I., Sun, H., McCole, P., Ramsey, E., & Lim, K. H. (2014). Trust, satisfaction, and online repurchase intention. MIS Quarterly, 38(2), 407-427.
Fei, M., Tan, H., Peng, X., Wang, Q., & Wang, L. (2021). Promoting or attenuating? An eye-tracking study on the role of social cues in e-commerce livestreaming. Decision Support Systems, 142, 113466.
Gelly, G., & Gauvain, J. L. (2018). Optimization of RNN-based speech activity detection. IEEE/ACM Transactions on Audio, Speech, and Language Processing, 26(3), 646-656.
Jiang, S. H., Qian, X. M., Shen, J. L., Fu, Y., & Mei, T. (2015). Author topic model-based collaborative filtering for personalized POI recommendations. IEEE Transactions on Multimedia, 17(6), 907-918.
Kim, J., Ji, H., Oh, S., Hwang, S., Park, E., & del Pobil, A. P. (2021). A deep hybrid learning model for customer repurchase behavior. Journal of Retailing and Consumer Services, 59, 102381.
Klaus, P. P., & Maklan, S. (2013). Towards a better measure of customer experience. International Journal of Market Research, 55(2), 227-246.
Kuo, Y. F., Wu, C. M., & Deng, W. J. (2009). The relationships among service quality, perceived value, customer satisfaction, and post-purchase intention in mobile value-added services. Computers in Human Behavior, 25(4), 887-896.
Li, G., Law, R., Vu, H. Q., Rong, J., & Zhao, X. (2015). Identifying emerging hotel preferences using emerging pattern mining technique. Tourism Management, 46, 311-321.
Li, L. B. (2018). Predicting online invitation responses with a competing risk model using privacy-friendly social event data. European Journal of Operational Research, 270(2), 698-708.
Lien, C. H., Cao, Y., & Zhou, X. (2017). Service quality, satisfaction, stickiness, and usage intentions: An exploratory evaluation in the context of WeChat services. Computers in Human Behavior, 68, 403-410.
Ling, C., Zhang, T., & Chen, Y. (2019). Customer purchase intent prediction under online multi-channel promotion: A feature-combined deep learning framework. IEEE Access, 7, 112963-112976.
Ma, D., Li, S., Zhang, X., & Wang, H. (2017). Interactive attention networks for aspect-level sentiment classification. arXiv preprint arXiv:1709.00893.
McLean, G., & Osei-Frimpong, K. (2017). Examining satisfaction with the experience during a live chat service encounter-implications for website providers. Computers in Human Behavior, 76, 494-508.
Morgan, T., Obal, M., & Anokhin, S. (2018). Customer participation and new product performance: Towards the understanding of the mechanisms and key contingencies. Research Policy, 47(2), 498-510.
Moro, S., Cortez, P., & Rita, P. (2014). A data-driven approach to predict the success of bank telemarketing. Decision Support Systems, 62, 22-31.
Novak, T. P., Hoffman, D. L., & Yung, Y. F. (2000). Measuring the customer experience in online environments: A structural modeling approach. Marketing Science, 19(1), 22-42.
Ofek, E., & Srinivasan, V. (2002). How much does the market value an improvement in a product attribute? Marketing Science, 21(4), 398-411.
Oliver, R. L. (1977). Effect of expectation and disconfirmation on postexposure product evaluations: An alternative interpretation. Journal of Applied Psychology, 62(4), 480-486.
Olson, D. L., & Chae, B. (2012). Direct marketing decision support through predictive customer response modeling. Decision Support Systems, 54(1), 443-451.
Ramaswamy, S., & DeClerck, N. (2018). Customer perception analysis using deep learning and NLP. Procedia Computer Science, 140, 170-178.
Rose, S., Hair, N., & Clark, M. (2011). Online customer experience: A review of the business‐to‐consumer online purchase context. International Journal of Management Reviews, 13(1), 24-39.
Shi, S., Wang, Y., Chen, X., & Zhang, Q. (2020). Conceptualization of omnichannel customer experience and its impact on shopping intention: A mixed-method approach. International Journal of Information Management, 50, 325-336.
Song, K. T., Wei, X. S., Shu, X. B., Song, R. J., & Lu, J. F. (2020a). Bi-modal progressive mask attention for fine-grained recognition. IEEE Transactions on Image Processing, 29, 7006-7018.
Song, P. J., Wang, Q. S., Liu, H. F., & Li, Q. (2020b). The value of buy-online-and-pickup-in-store in omni-channel: Evidence from customer usage data. Production and Operations Management, 29(4), 995-1010.
Stein, A., & Ramaseshan, B. (2016). Towards the identification of customer experience touch point elements. Journal of Retailing and Consumer Services, 30, 8-19.
van Dolen, W. M., Dabholkar, P. A., & de Ruyter, K. (2007). Satisfaction with online commercial group chat: The influence of perceived technology attributes, chat group characteristics, and advisor communication style. Journal of Retailing, 83(3), 339-358.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30.
Venkatesh, V., & Goyal, S. (2010). Expectation disconfirmation and technology adoption: Polynomial modeling and response surface analysis. MIS Quarterly, 34(2), 281-303.
Zhang, R., Zhang, H., & Li, X. (2020). Robust multi-task learning with flexible manifold constraint. IEEE Transactions on Pattern Analysis and Machine Intelligence, 43(6), 2150-2157.
Zheng, F., Zhang, G., & Song, Z. (2001). Comparison of different implementations of MFCC. Journal of Computer Science and Technology, 16(6), 582-589.
