Comment un bot gère la négation ? - Hubi.ai

Dans la langue française, la négation est une habitude très française qui consiste à nier ou rejeter une déclaration dans un énoncé. Dans cet article, nous allons rappeler comment la négation se manifeste dans les énoncés et comment les chatbots peuvent l’identifier et la traiter.

Les marqueurs de la négation en français

En français, le marqueur négatif est l’adverbe “pas”. Il s’agit du marqueur principal de la négation et on le retrouve aussi bien à l’oral qu’à l’écrit. Ce marqueur est très souvent associé au co-négatif “ne” dont la particularité est l’élision*.

Pour rappel : Le phénomène de l’élision consiste à effacer la voyelle finale d’un terme devant la voyelle initiale ou le “h” initial muet du terme suivant.

Bien que le co-négatif soit de plus en plus absent à l’oral et à l’écrit dans un langage familier, il reste un marqueur essentiel de la négation en français puisqu’il peut parfois endosser le rôle de marqueur négatif principal à lui seul.

Notons également que d’autres termes de la langue française sont porteurs de la négation et font partie de ce que l’on appelle les “mots négatifs” (exemples : aucun, rien, jamais, nulle part, aucunement, etc.).

Si plusieurs termes de la langue françaises sont porteurs de la négation, comment les chatbots parviennent-ils à identifier et traiter la négation ?

Le traitement de la négation

Dans la plupart des cas, la négation n’est pas réellement prise en compte par les moteurs des chatbots. Le traitement des entrées utilisateurs se concentre sur les mots forts de l’énoncé tels que les noms communs, les verbes et éventuellement les adverbes.

Au même titre que les déterminants et les conjonctions, le marqueur négatif et le co-négatif sont placés dans les “skipwords”*, sans parler des “mots négatifs”. Cependant, ce sont ces mots et ces marqueurs qui permettent de nuancer le discours d’un interlocuteur.

Pour rappel : Les skipwords sont tous simplement une liste de termes à éliminer de l’énoncé et à ne pas traiter par le moteur NLP du chatbot.

Prenons l’exemple suivant : le nettoyage des énoncés “Suivre une chaîne” et “Ne plus suivre une chaîne” par les moteurs de chatbots revient à traiter le même énoncé :

Et dans Hubi ?

Chez Hubi.ai, nous avons retiré les marqueurs de la négation des skipwords. La négation des énoncés est une habitude très française et, généralement, spontanée.

Le traitement des entrées utilisateurs étant affiné, les performances et la précision de Hubi sont améliorées : les confusions entre les affirmations et leurs contraires sont limitées.

Par ailleurs, vous ne serez plus obligé de chercher l’antonyme d’un terme pour faire une demande à votre chatbot. “Ne plus suivre” sera traité comme synonyme de “Se désabonner”.

Ainsi, lorsque vous demanderez à Hubi comment ne plus suivre une chaîne, Hubi vous fournira bien les informations pour vous désabonner d’une chaîne. Les nuances apportées par la négation dans votre discours seront bien pris en compte.

 

Camille est linguiste informaticienne de formation. Suite à deux expériences dans des start-ups parisiennes sur la reconnaissance d’entités nommées et les callbots, elle a intégré l’équipe Hubi.ai chez Hub Collab en tant que scénariste chatbot.