Réseau relationnel hybride dynamique pour l'analyse sémantique contextuelle trans-domaine

L’analyse sémantique a longtemps constitué un problème fondamental en traitement du langage naturel. Récemment, l’analyse sémantique contextuelle trans-domaines est devenue un nouvel axe de recherche majeur. Le défi central réside dans la capacité à exploiter efficacement les informations contextuelles tant des énoncés en langage naturel que des schémas de base de données au cours de l’historique d’interaction. Dans cet article, nous proposons un cadre graphique dynamique capable de modéliser de manière efficace les énoncés contextuels, les tokens, les schémas de base de données, ainsi que leurs interactions complexes au fil de la conversation. Ce cadre intègre un mécanisme dynamique de dégradation de la mémoire, qui incorpore une biais inductif afin de fusionner des représentations enrichies des relations contextuelles, et est par ailleurs renforcé par un modèle puissant de ré-évaluation. À la date de rédaction, nous démontrons que le cadre proposé surpasser largement tous les modèles existants, atteignant de nouveaux records d’performance sur deux benchmarks à grande échelle, à savoir les jeux de données SParC et CoSQL. Plus précisément, le modèle obtient une précision de 55,8 % pour la correspondance des questions et 30,8 % pour la correspondance des interactions sur SParC, ainsi qu’une précision de 46,8 % pour la correspondance des questions et 17,0 % pour la correspondance des interactions sur CoSQL.