Génération automatique de texte en langage naturel pour les systèmes de questions-réponses [Compact answer generation with a Transformer based approach]

Génération automatique de texte en langage naturel pour les systèmes de questions-réponses Imen Akermi* — Johannes Heinecke* — Frédéric Herledan* * Orange Innovation, 2 av. Pierre Marzin, 22307 Lannion, France imenakermi@yahoo.fr, {johannes.heinecke,frederic.herledan}@orange.com RÉSUMÉ. Cet article traite de la génération du langage naturel dans le contexte des systèmes de questions-réponses. Les différents travaux portant sur ces systèmes se sont focalisés sur la génération d’une réponse courte ou d’un paragraphe contenant la réponse, à partir de données structurées ou de pages Web. La longueur de ces réponses n’est généralement pas appropriée du fait que les réponses peuvent être perçues comme trop brèves ou trop longues pour être lues à haute voix par un assistant intelligent. Dans ce travail, nous présentons une approche non supervisée de génération de réponses concises qui ne nécessite pas de données annotées. Testée sur des corpus de données en anglais et en français, l’approche proposée montre des résultats très prometteurs. MOTS-CLÉS : systèmes de questions-réponses, génération du langage naturel, analyse en dépen- dances. TITLE. Compact answer generation with a Transformer based approach. ABSTRACT. This paper presents an unsupervised approach for natural language generation within the framework of question-answering systems. This approach addresses the issue of generating answers that are usually too short or too long without having to resort to annotated data. This approach shows promising results for English and for French. KEYWORDS: question answering systems, natural language generation, dependency analysis. TAL. Volume 62 – n°1/2021, pages 13 à 37 14 TAL. Volume 62 – n°1/2021 1. Introduction Les systèmes de questions-réponses (SQR) analysent et traitent les questions des utilisateurs afin de leur fournir des réponses pertinentes (Hirschman et Gaizauskas, 2001). L’intérêt pour les SQR s’est accru avec la popularité récente des assistants intelligents. Ces derniers permettent aux utilisateurs de poser des questions en langage naturel, en utilisant leur propre terminologie, et d’avoir directement des réponses sans avoir à parcourir une longue liste de documents pour trouver les réponses appropriées. Les SQR sont ainsi devenus un élément central des échanges « humain-machine ». La plupart des travaux de recherche existants se focalisent sur le traitement et l’in- terprétation de la question. Ils accordent souvent peu d’importance à la représentation de la réponse donnée en sortie. Généralement, la réponse est soit représentée par un ensemble de termes courts répondant exactement à la question, soit par un passage dans un document qui contient la réponse exacte mais qui peut aussi intégrer d’autres informations inutiles ne relevant pas du contexte de la question posée. Prenons l’exemple de la question Qui vivait au Costa Rica avant les Espagnols?, avec les SQR actuels, deux structures de réponses sont généralement renvoyées : Amérindiens À l’époque précolombienne, les Amérindiens de l’actuel Costa Rica fai- saient partie d’un complexe culturel connu sous le nom de « zone intermé- diaire », entre les régions culturelles mésoaméricaine et andine. La première réponse pourra être perçue par les utilisateurs comme trop brève et ne rappelant pas le contexte de la question. La deuxième pourra être perçue comme trop longue …

Content truncated to 500 words