BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.4.1//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:0-52@lisn.upsaclay.fr DTSTART;TZID=Europe/Paris:20220322T000000 DTEND;TZID=Europe/Paris:20220322T000000 DTSTAMP:20220322T144528Z URL:https://www.lisn.upsaclay.fr/evenements/dimensions-memorielles-de-lint eraction-ecrite-homme-machine/ SUMMARY:Dimensions mémorielles de l’interaction écrite homme-machine DESCRIPTION:La thèse a été dirigée par Patrick Paroubek et co-encadrée par Gil Francopoulo puis par Samuel Rumeur. Le jury est composé de :\nFr édéric Landragin (rapporteur)Chloé Clavel (rapporteure)Yves Lepage (exa minateur) \;Frédéric Béchet (examinateur) \;Magalie Ochs (exami natrice) \;Gil Francopoulo (examinateur)Samuel Rumeur\, directeur prod uit de la société Akio (invité)\nIl s'agit d'une thèse CIFRE réalisé e\, en partenariat avec le LISN (anciennement LIMSI)\, chez Akio\, une ent reprise éditrice de logiciels pour l'interaction client omnicananux (SMS\ , mail\, tchat\, appels téléphoniques...). L'objectif de cette thèse é tait d'opérer un transfert industriel des dernières avancées en systèm e de dialogue pour l'implémentation et l'intégration d'un chatbot dans l e logiciel d'interaction client appelé Unified afin d'automatiser certain es de ces interactions et faciliter le travail des agents. J'ai résumé l a contribution scientifique de la manière suivante :"Dans ce travail\, no us nous intéressons à la place des systèmes de dialogue orientés-tâch e à la fois dans le traitement automatique des langues\, et dans l’inte raction homme-machine. Nous nous concentrons plus particulièrement sur la différence de traitement de l’information et de l’utilisation de la mémoire\, d’un tour de parole à l’autre\, par l’humain et la machi ne\, pendant une conversation écrite de type clavardage. Après avoir ét udié les mécanismes de rétention et de rappel mémoriels chez l’humai n durant un dialogue\, en particulier dans l’accomplissement d’une tâ che\, nous émettons l’hypothèse qu’un des éléments susceptible d ’expliquer que les performances des machines demeurent en deçà de cell es des humains\, est la capacité à posséder non seulement une image de l’utilisateur\, mais également une image de soi\, explicitement convoqu ée pendant les inférences liées à la poursuite du dialogue. Cela se tr aduit pour le système par les trois axes suivants. Tout d’abord\, par l ’anticipation\, à un tour de parole donné\, du tour suivant de l’uti lisateur. Ensuite\, par la détection d’une incohérence dans son propre énoncé\, facilitée\, comme nous le démontrons\, par l’anticipation du tour suivant de l’utilisateur en tant qu’indice supplémentaire. En fin\, par la prévision du nombre de tours de paroles restants dans le dia logue afin d’avoir une meilleure vision de la progression du dialogue. C ’est que nous appelons le double modèle du système\, qui\, en prenant en compte la potentielle présence d’une incohérence dans son propre é noncé\, représente à la fois l’utilisateur et l’image que le systè me renvoie à l’utilisateur. Pour mettre en place ces fonctionnalités\, nous exploitons les réseaux de mémoire de bout-en-bout\, un modèle de réseau de neurones récurrent qui possède la spécificité non seulement de traiter des historiques de dialogue longs (comme un RNN ou un LSTM) ma is également de créer des sauts de réflexion\, permettant de filtrer l ’information contenue à la fois dans l’énoncé de l’utilisateur et dans celui de l’historique de dialogue. De plus\, ces sauts de réflexi on servent de mécanisme d’attention “naturel” pour le réseau de m émoire\, à la manière d’un décodeur de transformeur. Pour notre étu de\, nous améliorons\, en y ajoutant nos trois fonctionnalités\, un type de réseau de mémoire appelé WMM2Seq (réseau de mémoire de travail pa r séquence). Ce modèle s’inspire des modèles cognitifs de la mémoire \, en présentant les concepts de mémoire épisodique\, de mémoire séma ntique et de mémoire de travail. Il obtient des résultats performants su r des tâches de génération de réponse de dialogue sur les corpus DSTC2 (homme-machine dans le domaine du restaurant) et MultiWOZ (multi-domaine créé avec Magicien d’Oz)\; ce sont les corpus que nous utilisons pour nos expériences. Le système obtenu grâce à ce modèle se nomme Bi-WMM2 Seq. Les trois axes mentionnés précédemment apportent deux contribution s principales à l’existant. En premier lieu\, ceci complexifie l’inte lligence du système de dialogue en le dotant d’un garde-fou (incohéren ces détectées). En second lieu\, cela optimise à la fois le traitement des informations dans le dialogue (réponses plus précises ou plus riches ) et la durée de celui-ci. Nous évaluons les performances de notre syst ème avec premièrement les mesures de f-mesure pour les entités détect ées à chaque tour de parole\, deuxièmement de score BLEU pour la fluidi té de l’énoncé du système et troisièmement de taux d’exactitude j ointe pour la réussite du dialogue. Les résultats obtenus (+ 7% de F-mes ure sur les entités détectées) montrent qu’il serait intéressant d ’orienter les recherches vers des modèles de gestion de la mémoire plu s cognitifs afin de réduire l’écart de performance dans un dialogue en tre l’homme et la machine." ATTACH;FMTTYPE=image/jpeg:https://www.lisn.upsaclay.fr/app/uploads/2022/03 /Soutenance-de-these.jpg CATEGORIES:Science des Données,STL,Thèses et HDR END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:STANDARD DTSTART:20211031T020000 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET END:STANDARD END:VTIMEZONE END:VCALENDAR