Modélisation cognitive de la pertinence narrative en vue de l'évaluation et de la génération de récits

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.
Type de document :
Thèse
Intelligence artificielle [cs.AI]. Télécom ParisTech, 2015. Français. 〈NNT : 2015ENST0073〉
Liste complète des métadonnées

Littérature citée [126 références]  Voir  Masquer  Télécharger

https://pastel.archives-ouvertes.fr/tel-01437849
Contributeur : Abes Star <>
Soumis le : mardi 17 janvier 2017 - 14:05:09
Dernière modification le : jeudi 11 janvier 2018 - 06:23:39
Document(s) archivé(s) le : mardi 18 avril 2017 - 13:58:26

Fichier

TheseSaillenfestV2.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01437849, version 1

Citation

Antoine Saillenfest. Modélisation cognitive de la pertinence narrative en vue de l'évaluation et de la génération de récits. Intelligence artificielle [cs.AI]. Télécom ParisTech, 2015. Français. 〈NNT : 2015ENST0073〉. 〈tel-01437849〉

Partager

Métriques

Consultations de la notice

606

Téléchargements de fichiers

289