Modélisation cognitive de la pertinence narrative en vue de l'évaluation et de la génération de récits
Auteur / Autrice : | Antoine Saillenfest |
Direction : | Jean-Louis Dessalles |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique et réseaux |
Date : | Soutenance le 25/11/2015 |
Etablissement(s) : | Paris, ENST |
Ecole(s) doctorale(s) : | École doctorale Informatique, télécommunications et électronique de Paris |
Partenaire(s) de recherche : | Laboratoire : Laboratoire Traitement et communication de l'information (Paris ; 2003-....) |
Jury : | Président / Présidente : Catherine Pelachaud |
Examinateurs / Examinatrices : Jean-Gabriel Ganascia, Sylvie Catellin | |
Rapporteurs / Rapporteuses : Nicolas Sabouret, Nicolas Szilas |
Mots clés
Mots clés contrôlés
Résumé
Une part importante de l’activité de communication humaine est dédiée au récit d’événements (fictifs ou non). Ces récits doivent être cohérents et intéressants pour être pertinents. Dans le domaine de la génération automatique de récits, la question de l’intérêt a souvent été négligée, ou traitée via l’utilisation de méthodes ad hoc, au profit de la cohérence des structures narratives produites. Nous proposons d’aborder le processus de création des récits sous l’angle de la modélisation quantitative de critères de pertinence narrative via l’application d’un modèle cognitif de l’intérêt événementiel. Nous montrerons que cet effort de modélisation peut servir de guide pour concevoir un modèle cognitivement plausible de génération de narrations.