Évaluation de l'adaptation par renforcement d'un générateur en langage naturel neuronal pour le dialogue homme-machine

RÉSUMÉ Jusqu’à récemment, la génération en langage naturel dans les systèmes de dialogue utilisait des systèmes à base de règles et de patrons, mais de nouveaux modèles à base de réseaux de neurones récurrents ont été proposés (Wen et al., 2016a). Cependant ces modèles nécessitent une grande quantité de données d’apprentissage qui peuvent être compliquées à collecter et à annoter. Pour répondre à cette problématique, nous avons proposé un protocole d’apprentissage en ligne utilisant un algorithme de bandit contre un adversaire, permettant d’améliorer l’utilisation d’un modèle initial appris sur un corpus plus restreint généré par patrons (Riou et al., 2017). Dans cet article, nous étudions l’intérêt pratique de notre approche en utilisant des données réelles obtenues par reconnaissance automatique de la parole des propositions des utilisateurs et en faisant évaluer les sorties du système par des humains.