Yongxin Zhou

Cette thèse explore la génération automatique de texte (GAT) pour la thérapie numérique, en se concentrant sur la génération de rapports qui résument les sessions d'entraînement cognitif menées par les patients à domicile avec un assistant virtuel. L'objectif est de fournir aux orthophonistes des informations précieuses pour le suivi des patients. Nous avons abordé deux objectifs principaux : l'identification des informations médicales pertinentes à rapporter et l'extraction des points clés des dialogues entre le patient et l'assistant virtuel.

Menée dans un contexte de faibles ressources, la recherche a été confrontée à des défis tels que la non-disponibilité des experts et des données et le traitement des informations affectives. Pour relever ces défis, nous avons adopté deux stratégies : la génération de données vers le texte (D2T) et la génération de texte vers le texte (T2T), en mettant l'accent sur le traitement de l’affect.

En ce qui concerne la génération de T2T, nous avons évalué différents modèles de langage pré-appris pour résumer les dialogues. Nous avons évalué leurs performances à l'aide de mesures automatiques et d'une évaluation humaine. En outre, nous avons introduit une nouvelle métrique, PSentScore, pour mesurer la préservation du contenu affectif dans les résumés de dialogues. Nos résultats ont montré que les modèles de résumé existants négligent souvent le contenu affectif, mais qu'une sélection minutieuse des données d'entraînement peut réduire ce problème.

En ce qui concerne la génération de D2T, nous avons présenté une application réelle des systèmes GAT : la génération de rapports résumant les sessions de remédiation à distance. Nous avons développé un système basé sur des templates et mené des expériences avec GPT-4. Nous avons procédé à une évaluation humaine des rapports générés et avons ensuite formulé des recommandations pour améliorer ces rapports.

Cette thèse contribue au domaine de l'évaluation et de l'application de GAT, en faisant les premiers pas vers un GAT sensible à l'affect, crucial pour des domaines tels que les soins de santé et le service à la clientèle. Notre recherche souligne l'importance d'incorporer les émotions et les sentiments dans les systèmes de GAT afin d'améliorer leur efficacité dans les applications du monde réel, telles que l'aide aux orthophonistes avec des outils automatisés pour générer des rapports et résumer les progrès des patients.