Les syst\`emes de dialogue orient\'es-but : \'etat de l'art et perspectives d'am\'elioration (Goal-oriented dialog systems : a recent overview and research prospects )

Abstract

La gestion et la s\'election des informations pertinentes pour un tour de parole donn\'e restent un probl\`eme pour les syst\`emes de dialogue \`a domaine ouvert. Pour ces derniers, les interactions possibles entre un utilisateur et un agent sont a priori infinies et ind\'efinies. La possibilit\'e d'une r\'eponse erron\'ee de l'agent \`a l'utilisateur demeure donc \'elev\'ee. Pour les syst\`emes orient\'es-but, le probl\`eme est consid\'er\'e comme r\'esolu, mais d'apr\`es notre exp\'erience aucun syst\`eme ne montre une robustesse remarquable lorsqu'il est \'evalu\'e en situation r\'eelle. Dans cet article, nous dressons un \'etat de l'art des m\'ethodes d'apprentissage de l'agent et des diff\'erents mod\`eles d'agent conversationnel. Selon nous, l'une des pistes d'am\'elioration de l'agent r\'eside dans sa m\'emoire, car cette derni\`ere (souvent repr\'esent\'ee par le triplet : tour de parole courant, historique du dialogue et base de connaissances) n'est pas encore mod\'elis\'ee avec assez de pr\'ecision. En dotant l'agent d'un mod\`ele de m\'emoire d'inspiration cognitive, nous pensons pouvoir augmenter les performances d'un syst\`eme de dialogue orient\'e-but en situation r\'eelle, par l'emploi d'algorithmes d'apprentissage automatique avec une approche antagoniste en support d'un nouveau mod\`ele de m\'emoire pour l'agent.

Tasks

Reproductions