@inproceedings{arens-2021-ameliorer,
    title = "Am{\'e}liorer un agent conversationnel : prendre en compte {\`a} la vol{\'e}e des retours utilisateurs (Improve a conversational agent : considering on the fly user feedback)",
    author = "Arens, Maxime",
    booktitle = "Actes de la 28e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 2 : 23e REncontres jeunes Chercheurs en Informatique pour le TAL (RECITAL)",
    month = "6",
    year = "2021",
    address = "Lille, France",
    publisher = "ATALA",
    url = "https://aclanthology.org/2021.jeptalnrecital-recital.1",
    pages = "2--14",
    abstract = "Nous pr{\'e}sentons une approche am{\'e}liorant la pertinence des r{\'e}ponses d{'}un syst{\`e}me conversationnel de question-r{\'e}ponse en profitant de l{'}exp{\'e}rience pass{\'e}e du syst{\`e}me. Un agent conversationnel d{\'e}ploy{\'e} au contact d{'}utilisateurs peut en effet profiter de retours afin d{'}am{\'e}liorer la validit{\'e} de ces futures r{\'e}ponses. Les syst{\`e}mes de question-r{\'e}ponse fonctionnent g{\'e}n{\'e}ralement autour d{'}un mod{\`e}le rapprochant s{\'e}mantiquement une question {\`a} une ou plusieurs r{\'e}ponses potentielles. Ici, nous prenons en compte le cas o{\`u} le mod{\`e}le de correspondance rapproche une question {\`a} une liste de r{\'e}ponses associ{\'e}es {\`a} un score de pertinence. Une approche classique pour prendre en compte les retours d{'}utilisateurs, est de les utiliser pour augmenter le nombre de donn{\'e}es de r{\'e}entrainement du mod{\`e}le de rapprochement s{\'e}mantique. Nous proposons une approche diff{\'e}rente, impactant le score des r{\'e}ponses potentielles, o{\`u} nous prenons en compte « {\`a} la vol{\'e}e » les retours utilisateurs : entre le moment o{\`u} l{'}utilisateur pose une nouvelle question et celui o{\`u} le syst{\`e}me lui r{\'e}pond.",
    language = "French",
}