@inproceedings{El-Amel-Boussaha-Hernandez-Jacquin-Morin:TALN:2018,
    author = "El Amel Boussaha,Basma and Hernandez,Nicolas and Jacquin,Christine and Morin,Emmanuel",
    title = "Ordonnancement de r\'{e}ponses dans les syst\`{e}mes de dialogue bas\'{e} sur une similarit\'{e} contexte/r\'{e}ponse",
    booktitle = "Actes de la Conf\'{e}rence TALN - Volume 1 - Articles longs, articles courts de TALN",
    month = "5",
    year = "2018",
    address = "Rennes, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "115-128",
    note = "Response ranking in dialogue systems based on context-response similarity",
    abstract = "Construire des syst\`{e}mes de dialogue qui conversent avec les humains afin de les aider dans leurs t\^{a}ches quotidiennes est devenu une priorit\'{e}. Certains de ces syst\`{e}mes produisent des dialogues en cherchant le meilleur \'{e}nonc\'{e} (r\'{e}ponse) parmi un ensemble d'\'{e}nonc\'{e}s candidats. Le choix de la r\'{e}ponse est conditionn\'{e} par l'historique de la conversation appel\'{e} contexte. Ces syst\`{e}mes ordonnent les \'{e}nonc\'{e}s candidats par leur ad\'{e}quation au contexte, le meilleur est ensuite choisi. Les approches existantes \`{a} base de r\'{e}seaux de neurones profonds sont performantes pour cette t\^{a}che. Dans cet article, nous am\'{e}liorons une approche \'{e}tat de l'art \`{a} base d'un dual encodeur LSTM. En se basant sur la similarit\'{e} s\'{e}mantique entre le contexte et la r\'{e}ponse, notre approche apprend \`{a} mieux distinguer les bonnes r\'{e}ponses des mauvaises. Les r\'{e}sultats exp\'{e}rimentaux sur un large corpus de chats d'Ubuntu montrent une am\'{e}lioration significative de 7, 6 et 2 points sur le Rappel@(1, 2 et 5) respectivement par rapport au meilleur syst\`{e}me \'{e}tat de l'art.",
    keywords = "conversations \'{e}crites, dual encodeur, ordonnancement, agents conversationnels, apprentissage profond.",
    url = "https://talnarchives.atala.org/TALN/TALN-2018/11.pdf"
}