Guillaume Dubuisson Duplessis


2020

pdf bib
Désidentification de données texte produites dans un cadre de relation client (De-identification of customer relationship text data )
Guillaume Dubuisson Duplessis | Elliot Bartholme | Sofiane Kerroua | Mathilde Poulain | Ahès Roulier | Anne-Laure Guénet
Actes de la 6e conférence conjointe Journées d'Études sur la Parole (JEP, 33e édition), Traitement Automatique des Langues Naturelles (TALN, 27e édition), Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL, 22e édition). Volume 4 : Démonstrations et résumés d'articles internationaux

Cette démonstration présente une solution performante de désidentification de données texte selon 13 types d’entités nommées et entraînée sur des données issues de la relation client.

2019

pdf bib
Cameli@ : analyses automatiques d’e-mails pour améliorer la relation client (Cameli@ : automatic e-mail analysis to improve the customer relationship )
Guillaume Dubuisson Duplessis | Sofiane Kerroua | Ludivine Kuznik | Anne-Laure Guénet
Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume IV : Démonstrations

Cette démonstration présente un système actuellement en production d’analyses automatiques d’emails en français incluant des analyses thématiques, des analyses de l’opinion, des tâches d’extraction d’information et une tâche de pseudo-anonymisation.

2018

pdf bib
An Information-Providing Closed-Domain Human-Agent Interaction Corpus
Jelte van Waterschoot | Guillaume Dubuisson Duplessis | Lorenzo Gatti | Merijn Bruijnes | Dirk Heylen
Proceedings of the Eleventh International Conference on Language Resources and Evaluation (LREC 2018)

2017

pdf bib
Automatic Measures to Characterise Verbal Alignment in Human-Agent Interaction
Guillaume Dubuisson Duplessis | Chloé Clavel | Frédéric Landragin
Proceedings of the 18th Annual SIGdial Meeting on Discourse and Dialogue

This work aims at characterising verbal alignment processes for improving virtual agent communicative capabilities. We propose computationally inexpensive measures of verbal alignment based on expression repetition in dyadic textual dialogues. Using these measures, we present a contrastive study between Human-Human and Human-Agent dialogues on a negotiation task. We exhibit quantitative differences in the strength and orientation of verbal alignment showing the ability of our approach to characterise important aspects of verbal alignment.

2016

pdf bib
Un système automatique de sélection de réponse en domaine ouvert intégrable à un système de dialogue social (An automatic open-domain response selection system integrable to a social dialogue system)
Franck Charras | Guillaume Dubuisson Duplessis | Vincent Letard | Anne-Laure Ligozat | Sophie Rosset
Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 5 : Démonstrations

Cette démonstration présente un système de dialogue en domaine ouvert qui utilise une base d’exemples de dialogue automatiquement constituée depuis un corpus de sous-titres afin de gérer un dialogue social de type « chatbot ».

pdf bib
Purely Corpus-based Automatic Conversation Authoring
Guillaume Dubuisson Duplessis | Vincent Letard | Anne-Laure Ligozat | Sophie Rosset
Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC'16)

This paper presents an automatic corpus-based process to author an open-domain conversational strategy usable both in chatterbot systems and as a fallback strategy for out-of-domain human utterances. Our approach is implemented on a corpus of television drama subtitles. This system is used as a chatterbot system to collect a corpus of 41 open-domain textual dialogues with 27 human participants. The general capabilities of the system are studied through objective measures and subjective self-reports in terms of understandability, repetition and coherence of the system responses selected in reaction to human utterances. Subjective evaluations of the collected dialogues are presented with respect to amusement, engagement and enjoyability. The main factors influencing those dimensions in our chatterbot experiment are discussed.