@inproceedings{wan-etal-2025-emodynamix-prediction,
title = "{E}mo{D}ynami{X} : Pr{\'e}diction de strat{\'e}gies de dialogue pour le support {\'e}motionnel via la mod{\'e}lisation de m{\'e}lange d'{\'e}motions et de la dynamique du discours",
author = "Wan, Chenwei and
Labeau, Matthieu and
Clavel, Chlo{\'e}",
editor = "Bechet, Fr{\'e}d{\'e}ric and
Chifu, Adrian-Gabriel and
Pinel-sauvagnat, Karen and
Favre, Benoit and
Maes, Eliot and
Nurbakova, Diana",
booktitle = "Actes des 32{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : traductions d'articles publi{\'e}s",
month = "6",
year = "2025",
address = "Marseille, France",
publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
url = "https://aclanthology.org/2025.jeptalnrecital-trad.9/",
pages = "11--12",
language = "fra",
abstract = "Concevoir des syst{\`e}mes conversationnels dot{\'e}s d{'}une intelligence {\'e}motionnelle pour apporter du r{\'e}confort et des conseils aux personnes en d{\'e}tresse constitue un domaine de recherche particuli{\`e}rement prometteur. R{\'e}cemment, gr{\^a}ce aux avanc{\'e}es des grands mod{\`e}les de langue (LLMs), les agents conversationnels entra{\^i}n{\'e}s de bout en bout sans {\'e}tapes explicites de pr{\'e}diction de strat{\'e}gie de dialogue sont devenus plus courants. Cependant, la planification implicite de strat{\'e}gie manque de transparence, et des {\'e}tudes r{\'e}centes montrent que la pr{\'e}f{\'e}rence inh{\'e}rente des LLMs pour certaines strat{\'e}gies socio{\'e}motionnelles nuit {\`a} la qualit{\'e} du soutien {\'e}motionnel fourni. Pour relever ce d{\'e}fi, nous proposons de dissocier la pr{\'e}diction de strat{\'e}gies de la g{\'e}n{\'e}ration du langage et introduisons un nouveau cadre de pr{\'e}diction de strat{\'e}gie conversationnelle, EmoDynamiX, qui mod{\'e}lise la dynamique du discours entre les {\'e}motions fines du c{\^o}t{\'e} de l{'}utilisateur et les strat{\'e}gies du syst{\`e}me au moyen d{'}un graphe h{\'e}t{\'e}rog{\`e}ne, afin d{'}am{\'e}liorer {\`a} la fois les performances et la transparence. Les r{\'e}sultats exp{\'e}rimentaux sur deux jeux de donn{\'e}es de conversations pour le support {\'e}motionnel (ESC) montrent qu{'}EmoDynamiX surpasse de mani{\`e}re significative les m{\'e}thodes ant{\'e}rieures {\`a} l'{\'e}tat de l{'}art (avec une meilleure ma{\^i}trise et un biais de pr{\'e}f{\'e}rence plus faible). Notre approche offre {\'e}galement une meilleure transparence en permettant de retracer le processus de prise de d{\'e}cision."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="wan-etal-2025-emodynamix-prediction">
<titleInfo>
<title>EmoDynamiX : Prédiction de stratégies de dialogue pour le support émotionnel via la modélisation de mélange d’émotions et de la dynamique du discours</title>
</titleInfo>
<name type="personal">
<namePart type="given">Chenwei</namePart>
<namePart type="family">Wan</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Matthieu</namePart>
<namePart type="family">Labeau</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Chloé</namePart>
<namePart type="family">Clavel</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2025-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes des 32ème Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : traductions d’articles publiés</title>
</titleInfo>
<name type="personal">
<namePart type="given">Frédéric</namePart>
<namePart type="family">Bechet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Adrian-Gabriel</namePart>
<namePart type="family">Chifu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Karen</namePart>
<namePart type="family">Pinel-sauvagnat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Benoit</namePart>
<namePart type="family">Favre</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Eliot</namePart>
<namePart type="family">Maes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Diana</namePart>
<namePart type="family">Nurbakova</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA \textbackslash\textbackslash& ARIA</publisher>
<place>
<placeTerm type="text">Marseille, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Concevoir des systèmes conversationnels dotés d’une intelligence émotionnelle pour apporter du réconfort et des conseils aux personnes en détresse constitue un domaine de recherche particulièrement prometteur. Récemment, grâce aux avancées des grands modèles de langue (LLMs), les agents conversationnels entraînés de bout en bout sans étapes explicites de prédiction de stratégie de dialogue sont devenus plus courants. Cependant, la planification implicite de stratégie manque de transparence, et des études récentes montrent que la préférence inhérente des LLMs pour certaines stratégies socioémotionnelles nuit à la qualité du soutien émotionnel fourni. Pour relever ce défi, nous proposons de dissocier la prédiction de stratégies de la génération du langage et introduisons un nouveau cadre de prédiction de stratégie conversationnelle, EmoDynamiX, qui modélise la dynamique du discours entre les émotions fines du côté de l’utilisateur et les stratégies du système au moyen d’un graphe hétérogène, afin d’améliorer à la fois les performances et la transparence. Les résultats expérimentaux sur deux jeux de données de conversations pour le support émotionnel (ESC) montrent qu’EmoDynamiX surpasse de manière significative les méthodes antérieures à l’état de l’art (avec une meilleure maîtrise et un biais de préférence plus faible). Notre approche offre également une meilleure transparence en permettant de retracer le processus de prise de décision.</abstract>
<identifier type="citekey">wan-etal-2025-emodynamix-prediction</identifier>
<location>
<url>https://aclanthology.org/2025.jeptalnrecital-trad.9/</url>
</location>
<part>
<date>2025-6</date>
<extent unit="page">
<start>11</start>
<end>12</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T EmoDynamiX : Prédiction de stratégies de dialogue pour le support émotionnel via la modélisation de mélange d’émotions et de la dynamique du discours
%A Wan, Chenwei
%A Labeau, Matthieu
%A Clavel, Chloé
%Y Bechet, Frédéric
%Y Chifu, Adrian-Gabriel
%Y Pinel-sauvagnat, Karen
%Y Favre, Benoit
%Y Maes, Eliot
%Y Nurbakova, Diana
%S Actes des 32ème Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : traductions d’articles publiés
%D 2025
%8 June
%I ATALA \textbackslash\textbackslash& ARIA
%C Marseille, France
%G fra
%F wan-etal-2025-emodynamix-prediction
%X Concevoir des systèmes conversationnels dotés d’une intelligence émotionnelle pour apporter du réconfort et des conseils aux personnes en détresse constitue un domaine de recherche particulièrement prometteur. Récemment, grâce aux avancées des grands modèles de langue (LLMs), les agents conversationnels entraînés de bout en bout sans étapes explicites de prédiction de stratégie de dialogue sont devenus plus courants. Cependant, la planification implicite de stratégie manque de transparence, et des études récentes montrent que la préférence inhérente des LLMs pour certaines stratégies socioémotionnelles nuit à la qualité du soutien émotionnel fourni. Pour relever ce défi, nous proposons de dissocier la prédiction de stratégies de la génération du langage et introduisons un nouveau cadre de prédiction de stratégie conversationnelle, EmoDynamiX, qui modélise la dynamique du discours entre les émotions fines du côté de l’utilisateur et les stratégies du système au moyen d’un graphe hétérogène, afin d’améliorer à la fois les performances et la transparence. Les résultats expérimentaux sur deux jeux de données de conversations pour le support émotionnel (ESC) montrent qu’EmoDynamiX surpasse de manière significative les méthodes antérieures à l’état de l’art (avec une meilleure maîtrise et un biais de préférence plus faible). Notre approche offre également une meilleure transparence en permettant de retracer le processus de prise de décision.
%U https://aclanthology.org/2025.jeptalnrecital-trad.9/
%P 11-12
Markdown (Informal)
[EmoDynamiX : Prédiction de stratégies de dialogue pour le support émotionnel via la modélisation de mélange d’émotions et de la dynamique du discours](https://aclanthology.org/2025.jeptalnrecital-trad.9/) (Wan et al., JEP/TALN/RECITAL 2025)
ACL