Génération de questions pour la compréhension textuelle par lecture automatique – QUANTUM

La surabondance actuelle de données textuelles rend difficile la recherche de la réponse correcte à une requête de l'utilisateur. Dans ce contexte, la génération de questions (la capacité de générer automatiquement des questions à partir d'un document) gagne rapidement en popularité en tant que technologie clé. Ce projet vise à étudier la tâche de génération de questions abstractives au niveau d'un passage : c'est-à-dire dont la réponse est distribuée dans le texte. On développera des approches de lecture automatique qui prennent en compte la structure du document (à la fois typographiquement et rhétoriquement) et génèrent des questions complexes qui reposent de manière inhérente sur cette structure. Afin d'entraîner nos modèles, on construira des jeux de données et des annotations pertinentes avec une supervision limitée. Nos modèles seront évalués à la fois intrinsèquement et en les intégrant dans un agent conversationnel, en tant que banc d'essai in vivo. En développant des modèles plus avancés pour la génération de questions allant au-delà de l'état actuel des connaissances, notre objectif est d'améliorer de nombreuses applications industrielles et sociales : le type de génération de question complexe que nous souhaitons résoudre constituerait un atout important pour la construction et l'enrichissement automatiques de bases de connaissances utilisées par les agents conversationnels, les systèmes d’aide à la décision et les systèmes de réponse aux questions techniques.