@inproceedings{efraim-moreau-2016-detecter,
    title = "D{\'e}tecter le besoin d`information dans des requ{\^e}tes d`usagers d`agents virtuels : s{\'e}lection de donn{\'e}es pertinentes (Selecting relevant data for information need detection in virtual agent user queries)",
    author = "Efraim, Octavia  and
      Moreau, Fabienne",
    editor = "Danlos, Laurence  and
      Hamon, Thierry",
    booktitle = "Actes de la conf{\'e}rence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Posters)",
    month = "7",
    year = "2016",
    address = "Paris, France",
    publisher = "AFCP - ATALA",
    url = "https://preview.aclanthology.org/add-emnlp-2024-awards/2016.jeptalnrecital-poster.14/",
    pages = "419--427",
    language = "fra",
    abstract = "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."
}