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

Jusqu'a recemment, la generation en langage naturel dans les systemes de dialogue utilisait des systemes a base de regles et de patrons, mais de nouveaux modeles a base de reseaux de neurones recurrents ont ete proposes (Wen et al., 2016a). Cependant ces modeles necessitent une grande quantite de donnees d'apprentissage qui peuvent etre compliquees a collecter et a annoter. Pour repondre a cette problematique, nous avons propose un protocole d'apprentissage en ligne utilisant un algorithme de bandit contre un adversaire, permettant d'ameliorer l'utilisation d'un modele initial appris sur un corpus plus restreint genere par patrons (Riou et al., 2017). Dans cet article, nous etudions l'interet pratique de notre approche en utilisant des donnees reelles obtenues par reconnaissance automatique de la parole des propositions des utilisateurs et en faisant evaluer les sorties du systeme par des humains.