@inproceedings{efraim-moreau-2016-detecter,
title = "D{\'e}tecter le besoin d{'}information dans des requ{\^e}tes d{'}usagers d{'}agents virtuels : s{\'e}lection de donn{\'e}es pertinentes (Selecting relevant data for information need detection in virtual agent user queries)",
author = "Efraim, Octavia and
Moreau, Fabienne",
editor = "Danlos, Laurence and
Hamon, Thierry",
booktitle = "Actes de la conf{\'e}rence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Posters)",
month = "7",
year = "2016",
address = "Paris, France",
publisher = "AFCP - ATALA",
url = "https://aclanthology.org/2016.jeptalnrecital-poster.14",
pages = "419--427",
abstract = "Pour orienter efficacement les messages re{\c{c}}us par diff{\'e}rents canaux de communication, dont l{'}agent virtuel (AV), un syst{\`e}me de gestion de la relation client doit prendre en compte le besoin d{'}information de l{'}usager. En vue d{'}une t{\^a}che de classification par type de besoin d{'}information, il est utile de pouvoir en amont s{\'e}lectionner dans les messages des utilisateurs, souvent de mauvaise qualit{\'e}, les unit{\'e}s textuelles qui seront pertinentes pour repr{\'e}senter ce besoin d{'}information. Apr{\`e}s avoir d{\'e}crit les sp{\'e}cificit{\'e}s d{'}un corpus de requ{\^e}tes d{'}AV nous exp{\'e}rimentons deux m{\'e}thodes de s{\'e}lection de segments informatifs : par extraction et par filtrage. Les r{\'e}sultats sont encourageants, mais des am{\'e}liorations et une {\'e}valuation extrins{\`e}que restent {\`a} faire.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="efraim-moreau-2016-detecter">
<titleInfo>
<title>Détecter le besoin d’information dans des requêtes d’usagers d’agents virtuels : sélection de données pertinentes (Selecting relevant data for information need detection in virtual agent user queries)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Octavia</namePart>
<namePart type="family">Efraim</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Fabienne</namePart>
<namePart type="family">Moreau</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2016-07</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 conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Posters)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Laurence</namePart>
<namePart type="family">Danlos</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Thierry</namePart>
<namePart type="family">Hamon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>AFCP - ATALA</publisher>
<place>
<placeTerm type="text">Paris, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Pour orienter efficacement les messages reçus par différents canaux de communication, dont l’agent virtuel (AV), un système de gestion de la relation client doit prendre en compte le besoin d’information de l’usager. En vue d’une tâche de classification par type de besoin d’information, il est utile de pouvoir en amont sélectionner dans les messages des utilisateurs, souvent de mauvaise qualité, les unités textuelles qui seront pertinentes pour représenter ce besoin d’information. Après avoir décrit les spécificités d’un corpus de requêtes d’AV nous expérimentons deux méthodes de sélection de segments informatifs : par extraction et par filtrage. Les résultats sont encourageants, mais des améliorations et une évaluation extrinsèque restent à faire.</abstract>
<identifier type="citekey">efraim-moreau-2016-detecter</identifier>
<location>
<url>https://aclanthology.org/2016.jeptalnrecital-poster.14</url>
</location>
<part>
<date>2016-7</date>
<extent unit="page">
<start>419</start>
<end>427</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Détecter le besoin d’information dans des requêtes d’usagers d’agents virtuels : sélection de données pertinentes (Selecting relevant data for information need detection in virtual agent user queries)
%A Efraim, Octavia
%A Moreau, Fabienne
%Y Danlos, Laurence
%Y Hamon, Thierry
%S Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Posters)
%D 2016
%8 July
%I AFCP - ATALA
%C Paris, France
%G French
%F efraim-moreau-2016-detecter
%X Pour orienter efficacement les messages reçus par différents canaux de communication, dont l’agent virtuel (AV), un système de gestion de la relation client doit prendre en compte le besoin d’information de l’usager. En vue d’une tâche de classification par type de besoin d’information, il est utile de pouvoir en amont sélectionner dans les messages des utilisateurs, souvent de mauvaise qualité, les unités textuelles qui seront pertinentes pour représenter ce besoin d’information. Après avoir décrit les spécificités d’un corpus de requêtes d’AV nous expérimentons deux méthodes de sélection de segments informatifs : par extraction et par filtrage. Les résultats sont encourageants, mais des améliorations et une évaluation extrinsèque restent à faire.
%U https://aclanthology.org/2016.jeptalnrecital-poster.14
%P 419-427
Markdown (Informal)
[Détecter le besoin d’information dans des requêtes d’usagers d’agents virtuels : sélection de données pertinentes (Selecting relevant data for information need detection in virtual agent user queries)](https://aclanthology.org/2016.jeptalnrecital-poster.14) (Efraim & Moreau, JEP/TALN/RECITAL 2016)
ACL