LES RÉSEAUX DE NEURONES POUR LA GÉNÉRATION DE QUESTIONS ÉDUCATIVES EN LANGUE ARABE

Abstract

La Génération Automatique des Questions (AQG) à partir d’une phrase ou d’un paragraphe est une tâche difficile dans le Traitement Automatique de Langage (NLP). Cette tâche a des implications importantes dans le domaine de l’éducation par les possibilités offertes dans la génération automatique des questions à partir d’un contenu éducatif sans recourir à un effort manuel de la part des éducateurs.

Dans ce contexte, plusieurs études ont été menées sur la génération des questions basées sur des approches d’apprentissage en profondeur. À notre connaissance, les travaux réalisés à ce jour ne disposent pas de modèle de génération de questions en langue arabe et qui ne s'appuient que sur des approches traditionnelles reposant sur des règles érigées manuellement, ces approches sont limitées en termes de diversité linguistique exigeant un effort humain considérable.

Récemment, de nombreux modèles de langage pré-entraînés ont fourni des performances élevées dans plusieurs tâches de NLP pour étudier la génération de questions en langue arabe. Dans ce présent travail, nous avons affiné un modèle pré-entraîné Ara-T5 (Textto-Text Transformers for Arabic Language) à l’aide d'un Dataset Question-Réponse arabe.

Les résultats d'évaluation ont montré que l’approche proposée permet de générer des questions excellentes en termes de fluidité et grammaticalité et bonnes en pertinence. Mots Clés : Génération automatique de questions ; Transformers ; Apprentissage profond ; Modèle pré-entraîné.