Voici une liste de FAQ sur la réparation à Paris :

Je développe un chatbot d’aide à l’orientation scolaire pour des lycéens et je cherche à enrichir ses capacités à comprendre les questions posées. Actuellement, le bot a du mal à identifier correctement l’intention derrière certaines formulations. Plus précisément, j’aimerais qu’il puisse mieux distinguer les questions qui portent sur les débouchés professionnels (ex: « Qu’est-ce qu’on peut faire avec un DUT Informatique ? ») de celles qui concernent le contenu des formations (ex: « Qu’est-ce qu’on étudie en BUT Génie Civil ? ») ou encore les prérequis pour y accéder (ex: « Quelles matières sont importantes pour entrer en PASS ? »).

Pour améliorer cela, j’envisage d’utiliser des classifieurs de texte basés sur le Machine Learning. Mon idée est de classifier chaque question posée par l’utilisateur dans l’une des catégories suivantes : « Débouchés professionnels », « Contenu de la formation », « Prérequis d’accès », « Informations générales sur la formation » (ex: « Combien de temps dure une licence de psychologie ? ») ou « Autres » (pour les questions hors sujet).

Avec tout ça en tête, quelles techniques de Machine Learning, et plus particulièrement de NLP (Natural Language Processing), me recommanderiez-vous pour construire un classifieur de texte performant capable de distinguer ces différentes catégories de questions ? Quels modèles seraient les plus adaptés, et quels types de données (corpus d’entraînement) et de features (caractéristiques extraites du texte) seraient pertinents pour optimiser la performance du classifieur ? Enfin, existe-t-il des ressources (jeux de données annotés, bibliothèques, articles) spécifiquement dédiées à la classification de questions d’orientation scolaire en français qui pourraient m’aider dans ce projet ?

Answer

Answer this question and add details as further as you can and do not add any comments from your side, just return the answer, all written in French language: Voici une liste de FAQ sur la réparation à Paris :