@inproceedings{laleye-etal-2019-hybridation,
title = "Hybridation d{'}un agent conversationnel avec des plongements lexicaux pour la formation au diagnostic m{\'e}dical (Hybridization of a conversational agent with word embeddings for medical diagnostic training)",
author = {Laleye, Fr{\'e}jus A. A. and
de Chalendar, Ga{\"e}l and
Brouquet, Antoine and
Blani{\'e}, Antonia and
Benhamou, Dan},
editor = "Morin, Emmanuel and
Rosset, Sophie and
Zweigenbaum, Pierre",
booktitle = "Actes de la Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts",
month = "7",
year = "2019",
address = "Toulouse, France",
publisher = "ATALA",
url = "https://aclanthology.org/2019.jeptalnrecital-court.17",
pages = "313--322",
abstract = "Dans le contexte m{\'e}dical, un patient ou m{\'e}decin virtuel dialoguant permet de former les apprenants au diagnostic m{\'e}dical via la simulation de mani{\`e}re autonome. Dans ce travail, nous avons exploit{\'e} les propri{\'e}t{\'e}s s{\'e}mantiques captur{\'e}es par les repr{\'e}sentations distribu{\'e}es de mots pour la recherche de questions similaires dans le syst{\`e}me de dialogues d{'}un agent conversationnel m{\'e}dical. Deux syst{\`e}mes de dialogues ont {\'e}t{\'e} cr{\'e}{\'e}s et {\'e}valu{\'e}s sur des jeux de donn{\'e}es collect{\'e}es lors des tests avec les apprenants. Le premier syst{\`e}me fond{\'e} sur la correspondance de r{\`e}gles de dialogue cr{\'e}{\'e}es {\`a} la main pr{\'e}sente une performance globale de 92{\%} comme taux de r{\'e}ponses coh{\'e}rentes sur le cas clinique {\'e}tudi{\'e} tandis que le second syst{\`e}me qui combine les r{\`e}gles de dialogue et la similarit{\'e} s{\'e}mantique r{\'e}alise une performance de 97{\%} de r{\'e}ponses coh{\'e}rentes en r{\'e}duisant de 7{\%} les erreurs de compr{\'e}hension par rapport au syst{\`e}me de correspondance de r{\`e}gles.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="laleye-etal-2019-hybridation">
<titleInfo>
<title>Hybridation d’un agent conversationnel avec des plongements lexicaux pour la formation au diagnostic médical (Hybridization of a conversational agent with word embeddings for medical diagnostic training)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Fréjus</namePart>
<namePart type="given">A</namePart>
<namePart type="given">A</namePart>
<namePart type="family">Laleye</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Gaël</namePart>
<namePart type="family">de Chalendar</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Antoine</namePart>
<namePart type="family">Brouquet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Antonia</namePart>
<namePart type="family">Blanié</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Dan</namePart>
<namePart type="family">Benhamou</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2019-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts</title>
</titleInfo>
<name type="personal">
<namePart type="given">Emmanuel</namePart>
<namePart type="family">Morin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Sophie</namePart>
<namePart type="family">Rosset</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Pierre</namePart>
<namePart type="family">Zweigenbaum</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Toulouse, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>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.</abstract>
<identifier type="citekey">laleye-etal-2019-hybridation</identifier>
<location>
<url>https://aclanthology.org/2019.jeptalnrecital-court.17</url>
</location>
<part>
<date>2019-7</date>
<extent unit="page">
<start>313</start>
<end>322</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Hybridation d’un agent conversationnel avec des plongements lexicaux pour la formation au diagnostic médical (Hybridization of a conversational agent with word embeddings for medical diagnostic training)
%A Laleye, Fréjus A. A.
%A de Chalendar, Gaël
%A Brouquet, Antoine
%A Blanié, Antonia
%A Benhamou, Dan
%Y Morin, Emmanuel
%Y Rosset, Sophie
%Y Zweigenbaum, Pierre
%S Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts
%D 2019
%8 July
%I ATALA
%C Toulouse, France
%G French
%F laleye-etal-2019-hybridation
%X 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.
%U https://aclanthology.org/2019.jeptalnrecital-court.17
%P 313-322
Markdown (Informal)
[Hybridation d’un agent conversationnel avec des plongements lexicaux pour la formation au diagnostic médical (Hybridization of a conversational agent with word embeddings for medical diagnostic training)](https://aclanthology.org/2019.jeptalnrecital-court.17) (Laleye et al., JEP/TALN/RECITAL 2019)
ACL