Hybridation d’un agent conversationnel avec des plongements lexicaux pour la formation au diagnostic médical
Fréjus Laleye, Gaël de Chalendar, Antoine Brouquet, Antonia Blanié, Dan Benhamou
Résumé : Dans le contexte médical, un patient ou médecin virtuel dialoguant permet de former les apprenants au diagnostic médical via la simulation de manière autonome. Dans ce travail, nous avons exploité les propriétés sémantiques capturées par les représentations distribuées de mots pour la recherche de questions similaires dans le système de dialogues d’un agent conversationnel médical. Deux systèmes de dialogues ont été créés et évalués sur des jeux de données collectées lors des tests avec les apprenants. Le premier système fondé sur la correspondance de règles de dialogue créées à la main présente une performance globale de 92% comme taux de réponses cohérentes sur le cas clinique étudié tandis que le second système qui combine les règles de dialogue et la similarité sémantique réalise une performance de 97% de réponses cohérentes en réduisant de 7% les erreurs de compréhension par rapport au système de correspondance de règles.
Mots clés : Agents conversationnels, Chatbots, Médecine, Formation, Similarité sémantique, Plongements Lexicaux.