DOI

10.24348/coria.2021.court_15

La recherche d’information conversationnelle (RIC) est un domaine à la croisée de la RI interactive et des systèmes de dialogue pour des besoins en information sur des domaines ouverts. Afin d’optimiser les interactions entre système et utilisateur et améliorer au mieux l’expérience utilisateur, il est nécessaire d’améliorer les modèles d’interactions en RI par la prise en compte séquentielle des actions hétérogènes. L’apprentissage par renforcement s’est imposé comme un paradigme particulièrement adapté pour optimiser les prises de décision séquentielle dans de nombreux domaines et apparaît récemment en RI. Or, entraîner ces systèmes par renforcement directement sur des utilisateurs n’est pas envisageable. Une solution est d’entraîner les systèmes de RI sur des simulations utilisateurs qui modélisent le comportement de vrais utilisateurs. Ce papier a deux objectifs : 1) proposer un état de l’art des modèles de comportement et de simulations utilisateurs pour l’accès à l’information et 2) discuter des différentes perspectives de recherche dans les simulations utilisateur dans le contexte de la RIC.