@inproceedings{arens-2021-ameliorer,
title = "Am{\'e}liorer un agent conversationnel : prendre en compte {\`a} la vol{\'e}e des retours utilisateurs (Improve a conversational agent : considering on the fly user feedback)",
author = "Arens, Maxime",
editor = "Denis, Pascal and
Grabar, Natalia and
Fraisse, Amel and
Cardon, R{\'e}mi and
Jacquemin, Bernard and
Kergosien, Eric and
Balvet, Antonio",
booktitle = "Actes de la 28e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 2 : 23e REncontres jeunes Chercheurs en Informatique pour le TAL (RECITAL)",
month = "6",
year = "2021",
address = "Lille, France",
publisher = "ATALA",
url = "https://aclanthology.org/2021.jeptalnrecital-recital.1/",
pages = "2--14",
language = "fra",
abstract = "Nous pr{\'e}sentons une approche am{\'e}liorant la pertinence des r{\'e}ponses d`un syst{\`e}me conversationnel de question-r{\'e}ponse en profitant de l`exp{\'e}rience pass{\'e}e du syst{\`e}me. Un agent conversationnel d{\'e}ploy{\'e} au contact d`utilisateurs peut en effet profiter de retours afin d`am{\'e}liorer la validit{\'e} de ces futures r{\'e}ponses. Les syst{\`e}mes de question-r{\'e}ponse fonctionnent g{\'e}n{\'e}ralement autour d`un mod{\`e}le rapprochant s{\'e}mantiquement une question {\`a} une ou plusieurs r{\'e}ponses potentielles. Ici, nous prenons en compte le cas o{\`u} le mod{\`e}le de correspondance rapproche une question {\`a} une liste de r{\'e}ponses associ{\'e}es {\`a} un score de pertinence. Une approche classique pour prendre en compte les retours d`utilisateurs, est de les utiliser pour augmenter le nombre de donn{\'e}es de r{\'e}entrainement du mod{\`e}le de rapprochement s{\'e}mantique. Nous proposons une approche diff{\'e}rente, impactant le score des r{\'e}ponses potentielles, o{\`u} nous prenons en compte {\guillemotleft} {\`a} la vol{\'e}e {\guillemotright} les retours utilisateurs : entre le moment o{\`u} l`utilisateur pose une nouvelle question et celui o{\`u} le syst{\`e}me lui r{\'e}pond."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="arens-2021-ameliorer">
<titleInfo>
<title>Améliorer un agent conversationnel : prendre en compte à la volée des retours utilisateurs (Improve a conversational agent : considering on the fly user feedback)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Maxime</namePart>
<namePart type="family">Arens</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2021-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 28e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 2 : 23e REncontres jeunes Chercheurs en Informatique pour le TAL (RECITAL)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Pascal</namePart>
<namePart type="family">Denis</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Natalia</namePart>
<namePart type="family">Grabar</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Amel</namePart>
<namePart type="family">Fraisse</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Rémi</namePart>
<namePart type="family">Cardon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Bernard</namePart>
<namePart type="family">Jacquemin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Eric</namePart>
<namePart type="family">Kergosien</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Antonio</namePart>
<namePart type="family">Balvet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Lille, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Nous présentons une approche améliorant la pertinence des réponses d‘un système conversationnel de question-réponse en profitant de l‘expérience passée du système. Un agent conversationnel déployé au contact d‘utilisateurs peut en effet profiter de retours afin d‘améliorer la validité de ces futures réponses. Les systèmes de question-réponse fonctionnent généralement autour d‘un modèle rapprochant sémantiquement une question à une ou plusieurs réponses potentielles. Ici, nous prenons en compte le cas où le modèle de correspondance rapproche une question à une liste de réponses associées à un score de pertinence. Une approche classique pour prendre en compte les retours d‘utilisateurs, est de les utiliser pour augmenter le nombre de données de réentrainement du modèle de rapprochement sémantique. Nous proposons une approche différente, impactant le score des réponses potentielles, où nous prenons en compte \guillemotleft à la volée \guillemotright les retours utilisateurs : entre le moment où l‘utilisateur pose une nouvelle question et celui où le système lui répond.</abstract>
<identifier type="citekey">arens-2021-ameliorer</identifier>
<location>
<url>https://aclanthology.org/2021.jeptalnrecital-recital.1/</url>
</location>
<part>
<date>2021-6</date>
<extent unit="page">
<start>2</start>
<end>14</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Améliorer un agent conversationnel : prendre en compte à la volée des retours utilisateurs (Improve a conversational agent : considering on the fly user feedback)
%A Arens, Maxime
%Y Denis, Pascal
%Y Grabar, Natalia
%Y Fraisse, Amel
%Y Cardon, Rémi
%Y Jacquemin, Bernard
%Y Kergosien, Eric
%Y Balvet, Antonio
%S Actes de la 28e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 2 : 23e REncontres jeunes Chercheurs en Informatique pour le TAL (RECITAL)
%D 2021
%8 June
%I ATALA
%C Lille, France
%G fra
%F arens-2021-ameliorer
%X Nous présentons une approche améliorant la pertinence des réponses d‘un système conversationnel de question-réponse en profitant de l‘expérience passée du système. Un agent conversationnel déployé au contact d‘utilisateurs peut en effet profiter de retours afin d‘améliorer la validité de ces futures réponses. Les systèmes de question-réponse fonctionnent généralement autour d‘un modèle rapprochant sémantiquement une question à une ou plusieurs réponses potentielles. Ici, nous prenons en compte le cas où le modèle de correspondance rapproche une question à une liste de réponses associées à un score de pertinence. Une approche classique pour prendre en compte les retours d‘utilisateurs, est de les utiliser pour augmenter le nombre de données de réentrainement du modèle de rapprochement sémantique. Nous proposons une approche différente, impactant le score des réponses potentielles, où nous prenons en compte \guillemotleft à la volée \guillemotright les retours utilisateurs : entre le moment où l‘utilisateur pose une nouvelle question et celui où le système lui répond.
%U https://aclanthology.org/2021.jeptalnrecital-recital.1/
%P 2-14
Markdown (Informal)
[Améliorer un agent conversationnel : prendre en compte à la volée des retours utilisateurs (Improve a conversational agent : considering on the fly user feedback)](https://aclanthology.org/2021.jeptalnrecital-recital.1/) (Arens, JEP/TALN/RECITAL 2021)
ACL