Constitution de fils de discussion cohérents à partir de conversations issues d’outils professionnels de communication et de collaboration

Creation of coherent discussion threads based on conversations from professional communication and collaboration tools

• Auteur / Autrice : Lionel Tadonfouet Tadjou
• Direction : Laurent Romary, Eric Villemonte de la Clergerie
• Type : Thèse de doctorat
• Discipline(s) : Sciences et technologies de l'information et de la communication
• Date : Soutenance le 19/10/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Centre de recherche de Paris (Paris)
• Jury : Président / Présidente : Iris Eshkol
• Jury : Examinateurs / Examinatrices : Sylvain Lamprier
• Jury : Rapporteurs / Rapporteuses : Chloé Clavel, Frédéric Béchet

Mots clés

Mots clés contrôlés

Actes de langage

Traitement automatique du langage naturel

Langage et Internet

Analyse de la conversation

Mots clés libres

Démêlage de conversations

CMO

Fils de discussions

Actes de dialogue

Appariement d'énoncés

Conversations disentangement

CMC

Discussion threads

Dialogue Acts

Utterances pairing

Résumé

Constituer des fils de conversations cohérents à partir de conversations issues d’outils professionnels de communication et de collaboration est un processus de transformation d’une conversation écrite et asynchrone en sous-conversations. Chacune de ces sous-conversations traitant d’un sujet spécifique tout en gardant l’ordre d’arrivée des messages émis par les interlocuteurs dans la conversation originale. Ces sous-conversations donnent ainsi lieu à des structures de conversations linéaires ou arborescentes. Ce processus peut s’appliquer sur les discussions de forum mais aussi sur des conversations d’emails, ces deux exemples étant plus généralement des représentants de Contenus Médiés Par Ordinateur (CMO). Pour constituer ces sous-fils de conversations d’emails, il est nécessaire de s’appuyer sur les métadonnées de ceux-ci et leurs contenus. Néanmoins, ces éléments ne nous semblent pas suffisants en pratique. En effet, une conversation par email est en fait un dialogue avec une structure discursive potentiellement utile pour suivre l’évolution de la discussion. Il faut cependant noter que ce dialogue est asynchrone, ce qui introduit des spécificités. Dans les dialogues synchrones, il ressort très souvent des relations très fortes entre des énoncés consécutifs qui dans un long échange peuvent ainsi constituer des clusters de sous-conversations. Pour constituer des sous-fils de conversations à partir de conversations originales d’emails, nous nous appuyons sur ce type de relations entre les phrases d’emails successifs : ces relations sont dites transverses. Contrairement aux dialogues où ces relations peuvent facilement être identifiées, ceci est une tâche très complexe pour ce qui est des conversations d’emails et constitue la principale sous-problématique nommée appariement d’énoncés pour laquelle nous proposons des approches de résolution. Les conversations regorgent généralement beaucoup d’informations linguistiques et paralinguistiques, les actes de dialogue en font partie, ils aident très souvent à mieux cerner le contenu d’un échange et pourrait fortement contribuer à constituer des sous-fils de conversations via une meilleure identification des relations entre des énoncés. Ceci est l’hypothèse que nous posons dans le cadre de la résolution du problème d’appariement d’énoncés, s’appuyant sur une première phase de classification d’énoncés de dialogues. Dans le manuscrit, nous présentons les travaux connexes à notre problématique de base, ainsi que les sous-problématiques mentionnées ci-dessus. Autour de cet axe de travail principal, nous abordons divers aspects connexes mais importants, nécessaires ou utiles. Ainsi, nous abordons de façon approfondie ce que sont les CMO, l’analyse discursive et son historicité ainsi que les corpus disponibles pour approcher de tels problèmes. Ensuite nous proposons différentes approches de résolution de nos sous-problématiques avec des expériences bien détaillées et des évaluations de nos approches. Enfin, notre manuscrit se clôture sur des propositions telles que : l’application des approches proposées à d’autres types de CMO comme les forums et d’autres pistes à explorer pour résoudre la problématique de constitution de sous-fils de conversation.

Constituting coherent threads of conversation from professional communication and collaboration tools is a process of transforming a written, asynchronous conversation into sub-conversations, each dealing with a specific topic while maintining the order of arrival of the messages sent by interlocutors in the original conversation. These sub-conversations thus result in linear or tree-like conversation structures. This process can be applied to forum discussions but also to e-mail conversations, both examples being more generally representative of Computer Mediated Content (CMC). To build up these sub-threads of e-mail conversations, we need to rely on their metadata and content. In practice, however, these elements do not seem sufficient. An e-mail conversation is, in fact, a dialogue with a discursive structure that is potentially useful for tracking the evolution of the discussion. It should be noted, however, that this dialogue is asynchronous, which emphasizes specificities. In synchronous dialogues, very strong relationships often emerge between consecutive utterances, which in a long discussion can form clusters of sub-conversations. The constitution of conversation sub-threads from main conversations is based in this type of relationships between the sentences of successive emails in a conversation : this type of relationship is refered to as transverse. Unlike dialogues, where such relations can easily be identified, this is a very complex task in email conversations and constitutes the main sub-problem called statement matching for which we suggest several resolution methods. Conversations generally abound in linguistic and paralinguistic information, among which are dialogue acts. They very often help to better identify the content of a dialogue and could strongly contribute to constituting conversation sub-threads via a better identification of relations between utterances. This is the hypothesis we state in the context of solving the statement matching problem, based on an initial phase of classification of dialogue statements. This manuscript decribes the work related to our core problem, as well as the sub-problems mentioned above. Around this main focus, we address various related but important, necessary or useful aspects. Thus, we take an in-depth look at CMOs, discourse analysis and its historicity, as well as the available corpus to approach such problems. Then we offer different resolution methods for our sub-problems, with well-detailed experiments and evaluations of said methods. Finally, our manuscript concludes with the following propositions : the application of the proposed methods to other types of CMO, such as forums, and other possibilities to be explored to solve the problem of constituting conversational sub-threads.