D\'etecter le besoin d'information dans des requ\^etes d'usagers d'agents virtuels : s\'election de donn\'ees pertinentes (Selecting relevant data for information need detection in virtual agent user queries)
Pour orienter efficacement les messages re{\c{c}}us par diff{\'e}rents canaux de communication, dont l{'}agent virtuel (AV), un syst{\e}me de gestion de la relation client doit prendre en compte le besoin d{'}information de l{'}usager. En vue d{'}une t{\^a}che de classification par type de besoin d{'}information, il est utile de pouvoir en amont s{\'e}lectionner dans les messages des utilisateurs, souvent de mauvaise qualit{\'e}, les unit{\'e}s textuelles qui seront pertinentes pour repr{\'e}senter ce besoin d{'}information. Apr{\e}s avoir d{\'e}crit les sp{\'e}cificit{\'e}s d{'}un corpus de requ{\^e}tes d{'}AV nous exp{\'e}rimentons deux m{\'e}thodes de s{\'e}lection de segments informatifs : par extraction et par filtrage. Les r{\'e}sultats sont encourageants, mais des am{\'e}liorations et une {\'e}valuation extrins{\e}que restent {\a} faire.
Code (0)
등록된 구현이 없습니다.
Tasks
SENTERSimilar Papers 제목 키워드 기반
Corpus annot\'e de cas cliniques en fran\ccais (Annotated corpus with clinical cases in French)
Les corpus textuels sont utiles pour diverses applications de traitement automatique des langues (TAL) en fournissant les donn{\'e}es n{\'e}cessaires pour leur cr{\'e}ation, adaptation ou {\'e}valuation. Cependant, dans …
D\'etecter la non-adh\'erence m\'edicamenteuse dans les forums de discussion avec les m\'ethodes de recherche d'information (Detect drug non-compliance in Internet fora using Information Retrieval methods )
Les m{\'e}thodes de recherche d{'}information permettent d{'}explorer les donn{\'e}es textuelles. Nous les exploitons pour la d{\'e}tection de messages avec la non-adh{\'e}rence m{\'e}dicamenteuse dans les forums de disc…
Information RetrievalRetrievalSi les souris \'etaient des reptiles, alors les reptiles pourraient \^etre des mammif\`eres ou Comment d\'etecter les anomalies dans le r\'eseau JDM ? (If mice were reptiles, then the reptiles could be mammals, or How to detect errors in a lexical network?)
La correction des erreurs dans une collection de donn{\'e}es est un probl{\`e}me d{\'e}licat. Elle peut {\^e}tre r{\'e}alis{\'e}e manuellement par un expert, ou en utilisant des m{\'e}thodes de crowdsourcing, ou encore a…
Détection d'objets célestes dans des images astronomiques par IA explicable
Amateur and professional astronomers can easily capture a large number of deep sky images with recent smart telescopes. However, afterwards verification is still required to check whether the celestial objects targeted a…
Explainable artificial intelligencePositionACCOL\'E : Annotation Collaborative d'erreurs de traduction pour COrpus aLign\'Es (ACCOL\'E: A Collaborative Platform of Error Annotation for Aligned Corpus)
La plateforme ACCOL{\'E} (Annotation Collaborative d{'}erreurs de traduction pour COrpus aLign{\'E}s) propose une palette de services innovants permettant de r{\'e}pondre aux besoins modernes d{'}analyse d{'}erreurs de t…