Traitement Automatique du Langage Naturel (TALN ), Laboratoire des Sciences du Numérique de Nantes (LS2N), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Nantes - UFR des Sciences et des Techniques (UN UFR ST), Université de Nantes (UN)-Université de Nantes (UN)-École Centrale de Nantes (ECN)-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Université de Nantes (UN)-Université de Nantes (UN)-École Centrale de Nantes (ECN)-Centre National de la Recherche Scientifique (CNRS), Université de Nantes (UN), Emmanuel Morin
المصدر:
Computation and Language [cs.CL]. Université de Nantes (UN), 2019. English
The increasing need of human assistancepushed researchers to develop automatic,smart and tireless dialogue systems that can conversewith humans in natural language to be eithertheir virtual assistant or their chat companion. Theindustry of dialogue systems has been very popularin the last decade and many systems from industryand academia have been developed. In this thesis,we study retrieval-based dialogue systems whichaim to find the most appropriate response to theconversation among a set of predefined responses.The main challenge of these systems is to understandthe conversation and identify the elementsthat describe the problem and the solution whichare usually implicit. Most of the recent approachesare based on deep learning techniques which canautomatically capture implicit information. Howeverthese approaches are either complex or domaindependent. We propose a simple, end-to-endand efficient retrieval-based dialogue system thatfirst matches the response with the history of theconversation on the sequence-level and then we extendthe system to multiple levels while keeping thearchitecture simple and domain independent. Weperform several analyzes to determine possible improvements.; e besoin croissant en assistance humainea poussé les chercheurs à développer dessystèmes de dialogue automatiques, intelligents etinfatigables qui conversent avec les humains dansun langage naturel pour devenir soit leurs assistantsvirtuels ou leurs compagnons. L’industriedes systèmes de dialogue est devenue populairecette dernière décennie, ainsi, plusieurs systèmesont été développés par des industriels comme desacadémiques. Dans le cadre de cette thèse, nousétudions les systèmes de dialogue basés sur larecherche de réponse qui cherchant la réponse laplus appropriée à la conversation parmi un ensemblede réponses prédéfini. Le défi majeur de cessystèmes est la compréhension de la conversation etl’identification des éléments qui décrivent le problèmeet la solution qui sont souvent implicites. Laplupart des approches récentes sont basées sur destechniques d’apprentissage profond qui permettentde capturer des informations implicites. Souvent,ces approches sont complexes ou dépendent fortementdu domaine. Nous proposons une approchede recherche de réponse de bout en bout, simple,efficace et indépendante du domaine et qui permetde capturer ces informations implicites. Nouseffectuons également plusieurs analyses afin dedéterminer des pistes d’amélioration.
