pen icon Communication
quote

Apprentissage machine pour une stratégie optimale du dialogue - application dans un dialogue humain-machine

MN

Membre a labase

Minh-Quang Nguyen

Résumé de la communication

Des systèmes de dialogue oral humain-machine (SDOHM) sont des systèmes à partir desquelles la machine dialogue oralement avec l’humain en imitant l’acte de communication des humains. Cependant, ce dialogue manque encore de naturel, de souplesse. Les récentes recherches se sont positionnées au niveau d’apprentissage de machine des stratégies du dialogue (Pietquin et al., 2005 ; J. Schatzmann et al., 2006), considérée comme étant importante pour contrôler ces interactions orales entre l’humain et la machine. La stratégie du dialogue est la manière de communiquer entre les interlocuteurs. Partant des hypothèses de solution suivantes : Améliorer la stratégie du dialogue permet de pallier aux performances moyennes de modules de reconnaissance et d’interprétation de la parole dans un SDOHM ainsi elle contribue à augmenter la qualité du dialogue. Certaines théories du dialogue humain-humain peuvent être appliquées dans le dialogue humain-machine comme celles d’Austin (1962), de Searle (1969) et de Grice (1989). Ainsi, les actes de dialogue seront traduits en processus de décision de Markov. L’apprentissage par renforcement à l’aide d’un utilisateur simulé permet à la machine de trouver automatiquement une stratégie optimale du dialogue donc améliorer sa performance. Nous vérifions nos hypothèses de solution par la réalisation d’un prototype d’un SDOHM et nous démontrons qu’un système avec une stratégie apprise sera meilleur qu’un système sans stratégie apprise.

Contexte

section icon Date : 8 mai 2008
host icon Hôte : Institut national de la recherche scientifique

Découvrez d'autres communications scientifiques

Autres communications du même congressiste :