Prédiction de structures et renforcement Bayésien pour les systèmes de dialogue parlé

 

Brahim Chaib-draa

Université Laval

 

Domaine : technologies de l'information et des communications

Programme projet de recherche en équipe

Concours 2010-2011

Les systèmes de dialogue parlé demeurent encore des systèmes ouverts à la recherche tant les problèmes soulevés sont difficiles. Parmi ces problèmes il convient de souligner celui de la compréhension du langage et celui de la génération de l'action de sortie, une fois l'intention de l'utilisateur cernée.

Pour le problème de la compréhension, nous visons à développer une méthode d'apprentissage machine qui vise à prédire les structures sémantiques formelles sous-tendues par le problème de compréhension, sur la base d'un ensemble d'entrainements préalable.

Pour le problème de la génération d'action, nous visons à développer une méthode basée sur les processus de décision markoviens partiellement observables qui apprend le modèle au fur et à mesure que le temps s'écoule. C'est donc un apprentissage par renforcement bayésien.

Pour ces deux méthodes, nous ferons une étude formelle complète de façon à assurer des garanties formelles sur les performances des algorithmes sous-tendus par ces méthodes. Nous expérimenterons et validerons ensuite ces algorithmes sur une plateforme robotique qui vise à diriger des gens ayant des handicaps, via une interface parole.