Date : vendredi 13 octobre à 9h,
Lieu : salle des thèses à l’Université d’Avignon, Campus Hannah Arendt (centre-ville).
Titre : “Hierarchical Imitation and Reinforcement Learning for Multi-Domain Task-Oriented Dialogue Systems”.
La soutenance peut être suivie en live stream via le lien suivant : https://v-au.univ-avignon.fr/live.
Résumé : Dans cette thèse, nous étudions les systèmes de dialogue orientés tâches qui sont des systèmes conçus pour aider les utilisateurs à accomplir des tâches spécifiques, telles que la réservation d’un vol ou d’un restaurant. Ils s’appuient généralement sur un paradigme d’apprentissage par renforcement pour modéliser le dialogue permettant au système de raisonner sur les objectifs et les préférences de l’utilisateur, et de sélectionner les actions qui conduiront au résultat souhaité.
Nous nous concentrons spécifiquement sur l’apprentissage à partir d’un nombre limité d’interactions, ce qui est crucial en raison de la rareté et du coût des interactions humaines. Les algorithmes standards d’apprentissage par renforcement nécessitent généralement une grande quantité de données d’interaction pour obtenir de bonnes performances. Pour relever ce défi, nous visons à rendre les systèmes de dialogue plus efficaces en termes d’échantillonnage dans leur entraînement.
Nous nous sommes inspirés principalement des idées d’imitation et de hiérarchie. Notre première contribution explore l’intégration de l’imitation dans l’apprentissage par renforcement. Nous étudions comment utiliser efficacement les démonstrations d’experts pour extrapoler les connaissances avec un effort de généralisation minimal. Notre deuxième contribution porte sur l’exploitation de la hiérarchie et de la structure inhérentes aux dialogues. En nous inspirant de l’avantage que présente la décomposition de problèmes complexes en problèmes plus simples, nous explorons la manière d’exploiter les similitudes entre les tâches et les domaines dans les systèmes de dialogue. Enfin, nous consolidons nos résultats précédents et soulignons l’importance de l’apprentissage à partir d’un petit nombre d’interactions humaines dans les applications du monde réel.
Jury :
- M. Olivier PIETQUIN, Pr., Université de Lille / Google Research – CRIStAL (Rapporteur)
- M. Stefan ULTES, Pr., Université Otto-Friedrich de Bamberg (Rapporteur)
- M. Frederic BECHET, Pr., Université d’Aix Marseille – LIS (Examinateur)
- M. Matthieu GEIST, Pr., Université de Lorraine / Google Research – LIEC (Examinateur)
- M. Jean-Francois BONASTRE, Pr., Avignon Université – LIA (Examinateur)
- M. Yezekael HAYEL, Pr., Avignon Université – LIA (Invité)
- Mme Lina ROJAS-BARAHONA, Dr., Orange Labs (Co-Encadrante)
- M. Tanguy URVOY, Dr., Orange Labs (Co-Encadrant)
- M. Fabrice LEFEVRE , Pr., Avignon Université – LIA (Directeur de thèse)