FR3103936A1 - Traitement multidimensionnel de questions-réponses de production participative à partir d’ontologies - Google Patents
Traitement multidimensionnel de questions-réponses de production participative à partir d’ontologies Download PDFInfo
- Publication number
- FR3103936A1 FR3103936A1 FR1913494A FR1913494A FR3103936A1 FR 3103936 A1 FR3103936 A1 FR 3103936A1 FR 1913494 A FR1913494 A FR 1913494A FR 1913494 A FR1913494 A FR 1913494A FR 3103936 A1 FR3103936 A1 FR 3103936A1
- Authority
- FR
- France
- Prior art keywords
- questions
- responses
- question
- response
- different
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Machine Translation (AREA)
Abstract
Procédé de sélection de réponses de production participative pour le traitement de questions-réponses dans la génération automatisée de réponses à des dossiers d’appel d’offres commercial (CTD) comprenant les étapes consistant à remplir une base de données avec des questions extraites des CTD passés et à regrouper les questions en groupes de questions similaires. Ensuite, pour chacun des genres de questions, un ensemble de réponses soumises dans des réponses respectivement différentes par une multiplicité de répondants différents sont mappés à des réponses différentes des CTD passés en relation avec le genre de questions. Par la suite, les réponses sont évaluées et un document de réponse actuel pour un CTD actuel ainsi que le CTD actuel sont chargés dans un éditeur. Une question est extraite du CTD actuel et la base de données est interrogée avec la question extraite. En réponse, un ensemble mappé de réponses à un genre de questions pour la question extraite est récupéré et une réponse de l’ensemble ayant obtenu l’évaluation la plus élevée est insérée dans le document de réponse actuel pour la question extraite. Figure pour l’abrégé : Figure 1
Description
Domaine technique de l’invention
La présente invention concerne le domaine du traitement des offres commerciales et plus particulièrement le traitement automatisé de dossiers d’appel d’offres commercial.
Arrière-plan technique
Les dossiers d’appel d’offres commercial font référence à l’ensemble des documents commerciaux de base utilisés dans le commerce pour l’acquisition de biens ou de services. Les dossiers d’appel d’offres commerciaux standard vont de l’appel d’offres (RFT pour «request for tender» en anglais) ou de l’invitation à faire une offre (ITB pour «invitation to bid» anglais) lorsque la nature des biens ou des services à acquérir est bien comprise, à la demande de proposition (RFP pour «request for proposal» en anglais) lorsque la nature des biens ou des services à acquérir est moins claire. Dans tous les cas, la structure essentielle des dossiers d’appel d’offres commerciaux comprend un ensemble de questions auxquelles le répondant éventuel doit répondre. Dans certains cas, les questions sont organisées d’une manière structurellement raisonnable. Mais, dans d’autres cas, les questions manquent d’organisation adéquate.
Le processus de réponse à un appel d’offres commercial consiste à identifier chaque question dans un dossier d’appel d’offres commercial et à formuler une réponse écrite. La réponse écrite peut alors être comparée à d’autres réponses écrites afin que le demandeur puisse attribuer à l’un des répondants un contrat d’approvisionnement subséquent, ou afin que le demandeur puisse offrir à un ou plusieurs répondants une demande d’offre subséquente telle qu’une demande de renseignements (RFI pour «request for information» en anglais) ou une demande de prix (RFQ pour «request for quotation» en anglais). Dans un cas comme dans l’autre, l’exercice de réponse à un appel d’offres commercial tend à être un exercice manuel qui se répète pour chaque appel d’offres commercial.
Reconnaissant la nature répétitive de la réponse à un appel d’offres commerciale, les fournisseurs de logiciels ont proposé dans le passé des outils automatisés et semi-automatisés facilitant la génération d’une réponse à un appel d’offres commercial. Les solutions typiques se concentrent sur le processus de réponse à la RFP et s’appuient sur un dépôt centralisé d’information d’entreprise à partir duquel des réponses normalisées aux questions de la RFP peuvent être sélectionnées et insérées dans un modèle de réponse à une RFP, soit manuellement, automatiquement ou, dans la plupart des cas, une combinaison des deux. Certaines solutions permettent de baliser les réponses avec des méta-données pour faciliter l’organisation du contenu de réponse pré-construit, facilement accessible par l’utilisateur final. En fait, certaines solutions vont jusqu’à classifier la fraîcheur ou l’actualité du contenu de la réponse afin d’assurer l’utilisation du contenu de la réponse la plus récente dans une réponse à une RFP.
Toutefois, dans tous les cas, les solutions de gestion des réponses aux RFP se concentrent uniquement sur un répertoire des réponses aux questions utilisées dans le passé sans égard au contexte des questions posées et plus précisément, au contexte de la RFP elle-même. De toute évidence, la meilleure réponse à une question dépend du contexte de la RFP. Cependant, les solutions modernes automatisées de RFP ne tiennent pas compte du contexte de la RFP. De plus, bien que les ensembles de questions d’une RFP puissent sembler différents, ce qui donne lieu à une solution automatisée fournissant un mappage des réponses à la question spécifique présentée, de nombreuses questions peuvent être sémantiquement identiques malgré l’utilisation de mots différents. Dans ce cas, un large éventail de réponses autrement viables seront exclues de l’utilisation dans la sélection d’une réponse appropriée. Enfin, bien que les outils modernes de gestion des réponses aux RFP sélectionnent les réponses présentées dans les réponses passées aux RFP, aucune considération n’est fournie quant à la probabilité de succès individuel de chaque réponse sélectionnée.
Les réalisations de la présente invention comblent les lacunes de l’état de l’art en ce qui concerne la production automatisée d’un document de réponse pour un dossier d’appel d’offres commercial (CTD pour «commercial tender document» en anglais) et fournissent un procédé, un système et un produit de programme informatique nouveaux et non évidents pour l’identification de questions par production participative dans un CTD. Dans une réalisation de l’invention, un procédé de sélection de réponses de production participative pour le traitement de questions-réponses dans la génération automatisée de réponses aux CTD comprend le remplissage d’une base de données d’un ordinateur avec des questions différentes extraites de différents CTD passés et le regroupement des différentes questions en groupes de questions similaires. Le regroupement est effectué par le traitement en langage naturel de chacune des questions différentes, en groupant des questions parmi les questions qui sont sémantiquement similaires et en formant un genre de questions pour chaque groupe de questions sémantiquement similaires.
Ensuite, pour chacun des genres de questions, un ensemble de réponses soumises dans des réponses différentes respectivement par des répondants différents multiples sont mappées à des CTD différents parmi les CTD passés en relation avec le genre de questions. Par la suite, les réponses sont évaluées dans la base de données et un document de réponse actuel pour un CTD actuel ainsi que le CTD actuel sont chargés dans un éditeur en mémoire de l’ordinateur. Une question est ensuite extraite du CTD actuel et la base de données est interrogée avec la question extraite. En réponse, des réponses différentes parmi l’ensemble mappé de réponses mappées à un genre de questions pour la question extraite sont récupérées. L’éditeur insère ensuite dans le document de réponse actuel, en relation avec la question extraite, une des réponses différentes parmi l’ensemble mappé de réponses ayant une évaluation la plus élevée parmi l’ensemble mappé de réponses mappées au genre de question pour la question extraite. De cette façon, uniquement la réponse la plus susceptible d’aboutir à un résultat favorable dans la soumission de la réponse au CTD actuel est incluse dans la réponse au CTD.
Dans un aspect du mode de réalisation de l’invention, le procédé comprend en outre la réception, à titre d’entrée dans l’éditeur, d’une indication de succès du CTD actuel et l’ajustement des évaluations dans la base de données pour chacune des réponses parmi l’ensemble mappé de réponses insérées dans le document de réponse actuel afin de refléter l’indication de succès, telle qu’une métrique gain-perte indiquant, pour tous les CTD passés, une probabilité de succès de gain du marché en utilisant ladite réponse parmi l’ensemble mappé de réponses. Dans un autre aspect du mode de réalisation, le procédé comprend en outre la réception, à titre d’entrée à l’extérieur de l’éditeur, d’une indication de succès de l’une des réponses parmi l’ensemble mappé de réponses insérée dans le document de réponse actuel, et l’ajustement des évaluations correspondantes dans la base de données pour ladite réponse parmi l’ensemble mappé de réponses insérée pour refléter l’indication de succès. Dans un autre aspect du mode de réalisation, le procédé comprend en outre les étapes consistant à analyser le document de réponse actuel pour calculer des métriques de document, comparer les métriques de document du document de réponse actuel avec des métriques modèles associées à un résultat de gain connu, identifier une insuffisance seuil dans un des métriques de document par rapport aux métriques modèles et afficher une demande dans l’éditeur avec l’insuffisance seuil identifiée.
Dans un autre mode de réalisation de l’invention, un système informatique de traitement de données est configuré pour la sélection de réponses de production participative pour le traitement de questions-réponses dans la génération automatisée de réponses CTD. Le système comprend un système informatique hôte qui comprend un ou plusieurs ordinateurs, chacun avec mémoire et au moins un processeur. Le système comprend également une mémoire de données couplée au système informatique et dans laquelle sont stockés une pluralité de différents CTD reçus d’un réseau de communication informatique de différents clients informatiques de différentes personnes, ainsi que différentes questions extraites de CTD différents parmi les CTD. Enfin, le système comprend un module de sélection de réponse.
Le module comprend des instructions de programme informatique exécutant dans la mémoire du système informatique hôte. Les instructions de programme, pendant l’exécution, regroupent les questions différentes en groupes de questions similaires par le traitement de langage naturel de chacune des questions différentes, regroupant des questions parmi les questions qui sont sémantiquement similaires, formant un genre de question pour chaque groupe de questions sémantiquement similaires. Ensuite, pour chacun des genres de questions, les instructions de programme mappent un ensemble de réponses soumises dans des réponses respectivement différentes par des répondants différents multiples à des CTD différents parmi les CTD passés en rapport avec le genre de questions, évaluent les réponses dans la mémoire de données, chargent dans un éditeur dans la mémoire du système informatique hôte, un document de réponse actuel pour un CTD actuel et aussi le CTD, et extraient une question du CTD actuel. Les instructions du programme interrogent encore davantage la mémoire de données avec la question extraite et récupèrent en réponse, des différentes réponses de l’ensemble mappé de réponses mappées à un genre de questions pour la question extraite. Enfin, les instructions de programme insèrent dans le document de réponse actuel en relation avec la question extraite, une des réponses différentes parmi l’ensemble mappé de réponses mappées ayant une évaluation la plus élevée parmi l’ensemble mappé de réponses mappée à un genre de questions pour la question extraite.
Dans un aspect de la réalisation, la question extraite du CTD actuel est ensuite regroupée avec d’autres questions similaires entre elles dans la base de données. De cette façon, un mappage est ensuite maintenu en ce qui concerne la question nouvellement extraite du CTD actuel pour les questions similaires rencontrées par la suite dans les CTD reçus ultérieurement. Il en résulte une base de données de questions en constante expansion, mappée sur des réponses dont les évaluations respectives s’ajustent constamment en fonction des contributions perçues au succès des réponses aux CTD correspondants. Dans un autre aspect du mode de réalisation, chaque réponse mappée à un genre de questions pour une question extraite peut être évaluée en fonction de l’indication de succès fournie en relation avec la soumission de réponses à des CTD passés, mais aussi chaque réponse mappée à un genre de questions pour une réponse extraite peut être évaluée en fonction d’une évaluation subjective fournie via l’interface utilisateur par un destinataire d’une réponse à un CTD correspondant parmi les CTD émis par le destinataire.
D’autre aspects de l’invention seront exposés en partie dans la description qui suit et en partie seront évidents dans la description, ou pourront être appris par la pratique de l’invention. Les aspects de l’invention seront réalisés et atteints au moyen des éléments et combinaisons particulièrement indiqués dans les différents modes de réalisation de l’invention décrits. Il est entendu que la description générale qui précède et la description détaillée qui suit sont toutes deux données à titre d’exemple et explicatives et ne sont pas restrictives à l’égard de l’invention.
Brève description des figures
Les dessins accompagnant, qui sont incorporés dans le présent fascicule et en font partie intégrante, illustrent des modes de réalisation de l’invention et servent, avec la description, à expliquer les principes de l’invention. Les modes de réalisation illustrés ici sont actuellement préférés, étant entendu, toutefois, que l’invention ne se limite pas aux arrangements et aux instruments précis montrés, dans lesquels :
Description détaillée de l’invention
Les réalisations de l’invention permettent de sélectionner les réponses de production participative pour le traitement des questions-réponses lors de la génération automatisée de réponses CTD. Conformément à un mode de réalisation de l’invention, un CTD pour une opportunité est reçu et chargé dans une interface utilisateur d’un éditeur de réponse avec un modèle de document de réponse. Chaque question du CTD est identifiée et généralisée pour mise en correspondance à une forme pré-stockée de la question. Parmi un ensemble de réponses associées à chaque forme mise en correspondance pré-stockée de la question, l’évaluation la plus élevée de chaque ensemble est sélectionnée pour l’inclure dans le document de réponse comme une réponse à la question identifiée. Par la suite, toutes les évaluations des réponses sélectionnées correspondantes incluses dans le document de réponse sont rajustées à la hausse dans la mesure où le document de réponse donne lieu à un état d’opportunité à gain fermé, tandis que les évaluations des réponses sélectionnées correspondantes incluses dans le document de réponse sont rajustées à la baisse dans la mesure où le document de réponse donne lieu à un état d’opportunité de perte fermée. De cette façon, l’ajustement dynamique des évaluations donne lieu à l’utilisation de réponses connues pour obtenir le taux de succès le plus élevé, tel que mesuré de manière contemporaine.
Dans une autre illustration, la figure 1 illustre de manière imagée un processus de sélection de réponses de production participative pour le traitement des questions-réponses lors de la génération automatisée de réponses CTD. Comme le montre la Figure 1, différents CTD 100A sont reçus et les questions 110 en sont extraites. Les questions 110 sont placées dans une mémoire de données de questions 120 et y sont classifiées selon un genre de question 130 de sorte que le texte différent des différents regroupements des questions 110 se simplifie en un même genre de questions 130. À cet égard, chacune des questions 110 peut être soumise à un traitement de langage naturel afin d’identifier une signification sémantique pour chacune des questions 110, ce qui donne un genre de questions 130 commune à des ensembles différents des questions 110. Par la suite, différentes réponses 150 sont définies dans une mémoire de données de réponses 140 pour chacun des genres de questions 130 et pour au moins un genre de questions 130 des réponses multiples 150 sont définies. Il est à noter qu’une évaluation 160 est attribué à chacune des réponses 150 en fonction de la présence de ladite réponse correspondante parmi les réponses 150 dans un document de réponse connu pour avoir eu du succès, ou en fonction de la présence d’une réponse correspondante parmi les réponses 150 dans un document de réponse connu pour ne pas avoir eu du succès.
Par la suite, un CTD 100B contemporain est reçu pour traitement dans un éditeur de réponse CTD 170 et un document de réponse 100C est généré pour le CTD 100B contemporain. Par exemple, le document de réponse 100C peut être généré comme un modèle préalablement défini pour une réponse associée au CTD 100B contemporain, ou une classification attribuée au CTD 100B contemporain. Dans tous les cas, une question 175 est extraite du CTD 100B. La question 175 est réduite par le traitement de langage naturel en un équivalent sémantique et utilisée dans une interrogation 180 à la base de données de questions 120 pour localiser un genre de questions correspondant parmi les genres de questions 130. Lors de la localisation de ladite question correspondante parmi les genres de questions 130, un ensemble correspondant parmi les réponses 150 mappé au genre de questions correspondant parmi les genres de questions 130 est sélectionné et ladite réponse particulière parmi les réponses 185 de l’ensemble est sélectionnée ayant la meilleure évaluation 195 associé pour inclusion comme réponse à la question 175 dans le document de réponse 100C. Le processus peut être répété pour d’autres questions 175 extraites du CTD 100C contemporain.
Après l’achèvement du document de réponse 100C, une détermination de succès 190A, 190B du succès du document de réponse 100C est fournie à la mémoire de données de réponse 140 afin de modifier à la hausse chacune des évaluations 160 pour les réponses parmi les réponses 150 incluses dans le document de réponse 100C. Inversement, chacune des évaluations 160 pour les réponses parmi les réponses 150 incluses dans le document de réponse 100C est modifiée à la baisse en réponse à la détermination d’un résultat négatif pour le document de réponse 100C. L’indication de succès 190A, 190B peut être fournie en interne dans l’éditeur de réponse CTD 170, ou en externe dans l’éditeur de réponse CTD 170. Éventuellement, chacune des évaluations 160 peut refléter une composition du rapport gagnant-perdant de toutes les réponses à tous les CTD 100A dans lesquels une réponse correspondante parmi les réponses 150 correspondantes a été incluse.
Le processus décrit en relation avec la figure 1 peut être mis en œuvre dans un système informatique de traitement des données. Dans une autre illustration, la figure 2 montre schématiquement un système informatique de traitement des données adapté à la sélection de réponses de production participative pour le traitement de questions-réponses dans la génération automatisée de réponses CTD. Le système comprend un système informatique hôte 200. Le système informatique hôte 200 comprend un ou plusieurs ordinateurs, chacun avec mémoire et au moins un processeur. Un éditeur de gestion des réponses CTD 240 s’exécute dans la mémoire de la plate-forme informatique hôte 200 et permet la gestion automatisée de la génération des documents de réponse aux différents CTD. Des différents utilisateurs finaux accèdent à l’éditeur de gestion de réponses CTD 240 à partir d’un réseau de communication informatique 210 via différentes interfaces utilisateur 260 fournies dans différents dispositifs informatiques clients 260.
Il est à noter que l’éditeur de gestion des réponses CTD 240 facilite l’assemblage d’un document de réponse à un CTD reçu en chargeant dans l’éditeur de gestion des réponses CTD 240 un modèle de document de réponse correspondant au CTD reçu, en identifiant les questions dans le CTD et en mappant les questions identifiées similaires ou identiques stockées dans la mémoire de données de questions 220 aux réponses correspondantes stockées dans la mémoire de données de réponses 230 et en insérant les réponses mappées dans le document de réponse en rapport avec les questions correspondantes. Plus particulièrement, un module de sélection de réponse 300 est couplé à l’éditeur de gestion de réponse CTD 240 et facilite la réponse de chaque question dans le CTD reçu.
À cet égard, le module de sélection de réponse 300 comprend des instructions de programme informatique qui, lorsqu’elles sont exécutées par le processeur du système informatique hôte 200, permettent d’extraire différentes questions dans un CTD reçu et de généraliser chacune des questions extraites à une forme sémantiquement simplifiée. Les instructions de programme permettent en outre d’interroger la mémoire de données de questions 220 avec le formulaire simplifié sémantiquement pour chaque question extraite afin de localiser un genre de questions correspondant et ensuite un ensemble de réponses mappées pour le genre de questions dans la mémoire de données de réponses 230. Les instructions de programme permettent en outre de sélectionner parmi chaque série de réponses, une réponse la mieux évaluée parmi les réponses de l’ensemble. Enfin, les instructions du programme peuvent être insérées dans le document de réponse dans l’éditeur de gestion des réponses CTD 240, chaque réponse sélectionnée en tant que réponse à une question extraite correspondante.
Il est important de noter que les évaluations pour chaque réponse stockée peuvent être ajustées périodiquement et dynamiquement. Plus précisément, la logique d’ajustement des évaluations 280, qui ajoutée au module de sélection de réponse 300, comprend un code de programme qui reçoit continuellement des données de succès en rapport avec des différentes réponses, différentes réponses aux CTD, ou les deux. Les données de succès peuvent être reçues d’autres auteurs d’autres réponses aux CTD respectifs, ou les données de succès peuvent être reçues des émetteurs des CTD. Pour chaque réponse associée à une indication de succès reçue, l’évaluation est augmentée. De même, pour chaque réponse associée à l’indication d’échec, l’évaluation est diminuée. De plus, pour chaque réponse à un CTD qui a été indiqué comme succès, l’évaluation de chaque réponse qui y est incluse est augmentée. Inversement, pour chaque réponse à un CTD qui a été indiqué comme un échec, l’évaluation de chaque réponse qui y est incluse est diminuée. Enfin, l’évaluation peut être exprimée en pourcentage reflétant un pourcentage de réponses avec succès aux CTD dans lesquelles une réponse correspondante est incluse par rapport à toutes les réponses réussies ou non dans lesquelles la réponse correspondante est incluse.
Éventuellement, l’éditeur de gestion des réponses au CTD 240 peut fournir des orientations supplémentaires dans la formulation d’une réponse à un CTD. À cet égard, la réponse une fois formulée peut être inspectée pour des différentes métriques du document de réponse telles que l’utilisation d’une police particulière, la taille de police, la couleur de police, la marge, la rubrique, la couleur de fond, le nombre de mots, le nombre de pages, etc. À cet égard, des métriques d’un modèle optimal 250 associé à une classification qui est commune au CTD et au modèle (comme la classification industrielle) sont récupérées et comparées aux différentes métriques de document de réponse. Dans la mesure où les différentes métriques du document de réponse diffèrent du modèle, la disparité des métriques entre le modèle et le CTD est affichée dans l’éditeur de gestion des réponses de CTD 240 afin d’encourager l’utilisateur final à modifier les métriques de document de réponse.
Plus particulièrement, les métriques du document peuvent aussi inclure des valeurs basées sur des sections comme la présence de sections particulières de document de la réponse comprenant une section d’introduction, une section sur la méthodologie et une section décrivant le personnel pertinent, pour ne citer que quelques exemples. Ce qui précède est donc utile pour assurer la présence dans le document de réponse des sections de contenu les plus étroitement associées au succès antérieur des autres documents de réponse. À cet égard, comme le document de réponse est généré à partir du modèle de document de réponse en réponse à un CTD, une classification du CTD est déterminée et un ensemble de sections prédéterminées du document est récupéré en ce que qui concerne à la classification. Ensuite, le document de réponse est traité pour identifier les différentes sections existantes du document, par exemple sur la base d’une analyse des différentes du document de réponse et d’un traitement du langage naturel des rubriques pour identifier les sections.
Les sections existantes du document sont ensuite comparées aux sections prédéterminées afin d’identifier les sections manquantes, lesquelles sections manquantes sont ensuite proposées dans une demande de l’affichage de l’éditeur de gestion des réponses de CTD 240 afin d’encourager l’utilisateur final à modifier le document de réponse pour inclure les sections manquantes ainsi que les réponses aux sections manquantes. Il convient de noter en outre que les sections prédéterminées pour chaque classification de CTD peuvent être augmentées de façon dynamique comme une corrélation, dans la date de succès, entre les soumissions de réponses avec succès des CTD classifiés et les sections présentes dans la réponse aux CTD classifiés sont déterminées. De cette façon, une combinaison de sections avec succès connue d’un document de réponse peut être produite de façon participative en tant que partie des données de succès des soumissions passées de documents de réponse par des différentes organisations.
Pour illustrer encore davantage le fonctionnement du module de sélection de réponse 300, la Figure 3 est un organigramme illustrant un processus de sélection de réponses de production participative pour le traitement des questions-réponses dans la génération automatique de réponses CTD. A partir du bloc 310, un CTD est reçu et dans le bloc 320, un modèle de réponse pour le CTD est sélectionné et dans le bloc 330, un document de réponse généré dans l’éditeur de gestion de réponses de CTD basé sur le modèle. Dans le bloc 340, une première question est extraite du CTD. Dans le bloc 350, un genre de questions est déterminé pour la question extraite par exemple par simplification automatique du texte et ensuite une analyse de similitude est effectuée entre le genre de questions résultant de la simplification de texte et un genre de questions dans la mémoire de données de questions. Par la suite, dans le bloc 360 un ensemble mappé de réponses au genre de questions dans la mémoire de données des réponses est récupéré.
Dans le bloc 370, ladite réponse la mieux évaluée parmi les réponses de l’ensemble est sélectionnée. Ensuite, dans le bloc 380, ladite réponse la mieux évaluée parmi les réponses sélectionnées est insérée dans le document de réponse comme une réponse à la question extraite. Enfin, dans le bloc de décision 390, s’il reste des questions supplémentaires à traiter dans le CTD, le processus revient au bloc 340 avec l’extraction d’une question suivante. Lorsqu’il ne reste plus de questions à traiter dans le CTD, éventuellement dans le bloc 400 des métriques du document de réponse sont déterminés, tels que le nombre de pages, la couleur d’arrière-plan ou d’avant-plan, la proportion d’images par rapport au texte, la police, la taille ou la couleur de la police ou les rubriques, pour ne citer que quelques exemples. Ensuite, dans le bloc 410, les métriques du document de réponse sont comparées aux métriques d’un document modèle associé à une classification du CTD, comme une industrie particulière. Enfin, dans le bloc 420, la comparaison est affichée dans l’éditeur de gestion des réponses du CTD afin que l’utilisateur final puisse modifier les métriques du document de réponse pour augmenter la probabilité d’un résultat positif du document de réponse.
La présente invention peut être incorporée dans un système, un procédé, un programme informatique ou toute combinaison de ceux-ci. Le programme informatique peut comprendre un support de stockage lisible par ordinateur ou un support sur lequel se trouvent des instructions de programme lisibles par ordinateur pour amener un processeur à exécuter des aspects de la présente invention. Le support de stockage lisible par ordinateur peut être un dispositif tangible qui peut conserver et stocker des instructions à utiliser par un dispositif d’exécution d’instructions. Le support de stockage lisible par ordinateur peut être, par exemple, un dispositif de stockage électronique, un dispositif de stockage magnétique, un dispositif de stockage optique, un dispositif de stockage électromagnétique, un dispositif de stockage semi-conducteur ou toute combinaison appropriée de ce qui précède, sans toutefois s’y limiter.
Les instructions de programme lisibles par ordinateur décrites ici peuvent être téléchargées à partir d’un support de stockage lisible par ordinateur ou sur un ordinateur externe ou un périphérique de stockage externe via un réseau, sur les dispositifs de calcul/traitement respectifs. Les instructions lisibles par ordinateur peuvent être exécutées entièrement sur l’ordinateur de l’utilisateur, en partie sur l’ordinateur de l’utilisateur, en tant que progiciel autonome, en partie sur l’ordinateur de l’utilisateur et en partie sur un ordinateur distant ou entièrement sur l’ordinateur ou le serveur distant. Certains aspects de la présente invention sont décrits ici à l’aide d’organigrammes et/ou de schémas fonctionnels de procédés, d’appareils (systèmes) et de produits de programmes informatiques sur la base des modes de réalisation de l’invention. Il est entendu que chaque bloc des organigrammes et/ou des schémas fonctionnels, ainsi que les combinaisons de blocs des organigrammes et/ou des schémas fonctionnels, peuvent être réalisés au moyen d’instructions de programme lisibles par ordinateur.
Ces instructions de programme lisibles par ordinateur peuvent être fournies à un processeur d’un ordinateur à usage général, d’un ordinateur à usage spécifique ou d’un autre appareil de traitement de données programmable pour produire une machine, de sorte que les instructions, qui sont exécutées par l’intermédiaire du processeur de l’ordinateur ou d’un autre appareil de traitement de données programmable, créent des moyens pour exécuter les fonctions/actions spécifiées dans le ou les blocs des organigrammes et/ou des schémas fonctionnels. Ces instructions de programme lisibles par ordinateur peuvent également être stockées dans un support de stockage lisible par ordinateur qui peut diriger un ordinateur, un appareil de traitement de données programmable et/ou d’autres dispositifs pour fonctionner d’une manière particulière, de sorte que le support de stockage lisible par ordinateur dans lequel sont stockées des instructions comprend un article de fabrication comprenant des instructions qui exécutent des aspects des fonctions/actions spécifiées dans le ou les blocs des organigrammes et/ou des schémas fonctionnels.
Les instructions de programme lisibles par ordinateur peuvent également être chargées sur un ordinateur, un autre appareil de traitement de données programmable ou un autre dispositif pour provoquer l’exécution d’une série d’étapes opérationnelles sur l’ordinateur, un autre appareil programmable ou un autre dispositif pour produire un procédé exécuté par ordinateur, de sorte que les instructions qui exécutent sur l’ordinateur, un autre appareil programmable ou un autre dispositif mettent en œuvre les fonctions/actions indiquées dans le ou les blocs des organigrammes et/ou des schémas fonctionnels.
L’organigramme et les schémas fonctionnels présentés dans les figures illustrent l’architecture, la fonctionnalité et le fonctionnement d’implémentations possibles de systèmes, de procédés et de produits de programmes informatiques sur la base des diverses modes de réalisation de la présente invention. À cet égard, chaque bloc de l’organigramme ou des schémas fonctionnels peut représenter un module, un segment ou une partie d’instructions, qui comprend une ou plusieurs instructions exécutables pour mettre en œuvre la ou les fonctions logiques spécifiées. Dans certaines implémentations alternatives, les fonctions notées dans le bloc peuvent se produire dans l’ordre indiqué dans les figures. Par exemple, deux blocs montrés successivement peuvent, en fait, être exécutés sensiblement simultanément, ou les blocs peuvent parfois être exécutés dans l’ordre inverse, sur la base de la fonctionnalité impliquée. Il convient également de noter que chaque bloc des schémas fonctionnels et/ou des organigrammes, et les combinaisons de blocs des schémas fonctionnels et/ou des organigrammes, peuvent être mis en œuvre par des systèmes matériels spéciaux qui effectue les fonctions ou les actes spécifiés ou exécutent des combinaisons de matériel spécial et d’instructions informatiques.
Enfin, la terminologie utilisée dans le présent document ne vise qu’à décrire des modes de réalisation particuliers et ne vise pas à limiter l’invention. Il sera en outre entendu que les termes "comprend" et/ou "comprenant", lorsqu’ils sont utilisés dans la présente spécification, précisent la présence de caractéristiques, entiers, étapes, opérations, éléments et/ou composants indiqués, mais n’excluent pas la présence ou l’ajout d’une ou plusieurs autres caractéristiques, entiers, étapes, opérations, éléments, composants et/ou groupes de ceux-ci.
Les structures, matériaux, actes et équivalents correspondants de tous les moyens ou éléments de l’étape et de la fonction dans les différents modes de réalisation de l’invention sont destinés à inclure toute structure, tout matériau ou tout acte pour exécuter la fonction en combinaison avec d’autres éléments. La description de la présente invention a été présentée à des fins d’illustration et de description, mais ne se veut pas exhaustive ou limitée à l’invention sous la forme divulguée. De nombreuses modifications et variations seront apparentes aux hommes du métier sans s’écarter de la portée et de l’esprit de l’invention. Le mode de réalisation a été sélectionné et décrit afin d’expliquer au mieux les principes de l’invention et son application pratique, et de permettre à d’autres hommes du métier de comprendre l’invention pour diverses modes de réalisation avec diverses modifications adaptées à l’usage particulier envisagé.
Après avoir ainsi décrit l’invention de la présente demande en détail et par référence à ses modes de réalisation, il apparaîtra que des modifications et des variations sont possibles sans s’écarter de la portée de l’invention.
Claims (10)
- Système informatique de traitement de données configuré pour la sélection de réponses de production participative pour le traitement de questions-réponses lors de la génération automatisée de réponses à des dossiers d’appel d’offres commercial (CTD), le système comprenant:
un système informatique hôte comprenant un ou plusieurs ordinateurs, chacun avec une mémoire et au moins un processeur;
une mémoire de données couplée au système informatique et stockant dans celle-ci une pluralité de différents CTD reçus d’un réseau de communication informatique de différents clients informatiques, de différentes personneset aussi différentes questions extraites de CTD différents parmi les CTD; et,
un module de sélection de réponse comprenant des instructions du programme informatique s’exécutant dans la mémoire du système informatique hôte, les instructions du programme effectuant les étapes consistant à:
regrouper les différentes questions dans des groupes de questions similaires en traitant en langage naturel chacune des questions différentes, en groupant des questions parmi les questions qui sont sémantiquement similaires, en formant un genre de questions pour chaque groupe de questions sémantiquement similaires;
pour chacun des genres de questions, mapper un ensemble de réponses soumises dans des réponses différentes respectivement par des répondants différents multiples à des différents CTD parmi les CTD passés en relation avec le genre de questions;
évaluer les réponses dans la mémoire de données;
charger dans un éditeur dans la mémoire du système informatique hôte, un document de réponse actuel pour un CTD actuel et aussi le CTD actuel, et extraire une question du CTD actuel;
interroger la mémoire de données avec la question extraite et récupérer en réponse, des réponses différentes parmi l’ensemble mappé de réponses mappées à un genre de questions pour la question extraite; et,
insérer par l’éditeur dans le document de réponse actuel, en relation avec la question extraite, une des différentes réponses parmi l’ensemble mappé de réponses ayant une évaluation la plus élevée parmi l’ensemble mappé de réponses mappées avec le genre de questions pour la question extraite. - Système selon la revendication 1, dans lequel les instructions de programme exécutent en outre les étapes consistant à:
recevoir comme entrée dans l’éditeur, une indication de succès du CTD actuel; et,
ajuster les évaluations dans la base de données pour chacune des réponses parmi l’ensemble mappé de réponses insérées dans le document de réponse actuel afin de refléter l’indication de succès. - Système selon la revendication 1, dans lequel les instructions du programme exécutent en outre les étapes consistant à:
recevoir comme entrée à l’extérieur de l’éditeur, une indication de succès de l’une des réponses parmi l’ensemble mappé de réponses insérée dans le document de réponse actuel; et,
ajuster les évaluations correspondantes dans la base de données pour ladite réponse parmi l’ensemble mappé de réponses insérée afin de refléter l’indication de succès. - Système selon la revendication 2, dans lequel l’indication de succès est une métrique gagnant-perdant indiquant, pour tous les CTD passés, une probabilité de succès de gain d’un marché en utilisant ladite réponse parmi l’ensemble mappé de réponses.
- Système selon la revendication 2, dans lequel les instructions du programme exécutent en outre les étapes consistant à:
analyser le document de réponse actuel pour calculer les métriques de document;
comparer les métriques de document du document de réponse actuel avec des métriques modèles associées à un résultat de gain connu;
identifier une insuffisance seuil dans l’une des métriques de document par rapport aux métriques modèles; et,
afficher une invite dans l’éditeur avec l’insuffisance seuil identifiée. - Produit de programme informatique pour la sélection de réponses de production participative pour le traitement de questions-réponses dans la génération automatisée de réponse de dossier d’appel d’offres commercial (CTD), le produit de programme informatique comprenant des instructions de programme enregistrées sur un support de stockage lisible par ordinateur, les instructions de programme étant exécutables par un dispositif pour amener le dispositif à effectuer les étapes consistant à:
remplir une base de données d’un ordinateur avec des questions différentes extraites de différents CTD passés;
regrouper les différentes questions dans des groupes de questions similaires en traitant en langage naturel chacune des questions différentes, en groupant des questions parmi les questions qui sont sémantiquement similaires, en formant un genre de questions pour chaque groupe de questions sémantiquement similaires;
pour chacun des genres de questions, mapper un ensemble de réponses soumises dans des réponses différentes respectivement par des répondants différents multiples à des différents CTD parmi les CTD passés en relation avec le genre de questions;
évaluer les réponses dans la base de données;
charger dans un éditeur en mémoire de l’ordinateur, un document de réponse actuel pour un CTD actuel et aussi le CTD actuel, et extraire une question du CTD actuel;
interroger la base de données avec la question extraite et récupérer en réponse, des réponses différentes parmi l’ensemble mappé de réponses mappées à un genre de questions pour la question extraite; et,
insérer par l’éditeur dans le document de réponse actuel, en relation avec la question extraite, une des différentes réponses parmi l’ensemble mappé de réponses ayant une évaluation la plus élevée parmi l’ensemble mappé de réponses mappées au genre de questions pour la question extraite. - Produit de programme informatique selon la revendication 6, dans lequel les étapes effectuées par le dispositif comprennent en outre les étapes consistant à:
recevoir comme entrée dans l’éditeur, une indication de succès du CTD actuel; et,
ajuster les évaluations dans la base de données pour chacune des réponses parmi l’ensemble mappé de réponses insérées dans le document de réponse actuel afin de refléter l’indication de succès. - Produit de programme informatique selon la revendication 6, dans lequel les étapes effectuées par le dispositif comprennent en outre les étapes consistant à:
recevoir comme entrée à l’extérieur de l’éditeur, une indication de succès de l’une des réponses parmi l’ensemble mappé de réponses insérée dans le document de réponse actuel; et,
ajuster les évaluations correspondantes dans la base de données pour ladite réponse parmi l’ensemble mappé de réponses insérée afin de refléter l’indication de succès. - Produit de programme informatique selon la revendication 7, dans lequel l’indication de succès est une métrique gagnant-perdant indiquant, pour tous les CTD passés, une probabilité de succès de gain d’un marché en utilisant ladite réponse parmi l’ensemble mappé de réponses.
- Produit de programme informatique selon la revendication 6, dans lequel les étapes effectuées par le dispositif comprennent en outre les étapes consistant à:
analyser le document de réponse actuel pour calculer les métriques de document;
comparer les métriques de document du document de réponse actuel avec des métriques modèles associées à un résultat de gain connu;
identifier une insuffisance seuil dans l’une des métriques de document par rapport aux métriques modèles; et,
afficher une invite dans l’éditeur avec l’insuffisance seuil identifiée.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1913494A FR3103936A1 (fr) | 2019-11-29 | 2019-11-29 | Traitement multidimensionnel de questions-réponses de production participative à partir d’ontologies |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1913494 | 2019-11-29 | ||
FR1913494A FR3103936A1 (fr) | 2019-11-29 | 2019-11-29 | Traitement multidimensionnel de questions-réponses de production participative à partir d’ontologies |
Publications (1)
Publication Number | Publication Date |
---|---|
FR3103936A1 true FR3103936A1 (fr) | 2021-06-04 |
Family
ID=70456840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR1913494A Withdrawn FR3103936A1 (fr) | 2019-11-29 | 2019-11-29 | Traitement multidimensionnel de questions-réponses de production participative à partir d’ontologies |
Country Status (1)
Country | Link |
---|---|
FR (1) | FR3103936A1 (fr) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130103690A1 (en) * | 2011-10-20 | 2013-04-25 | The Boeing Company | Associative Memory Technology for Analysis of Requests for Proposal |
US20180060780A1 (en) * | 2016-08-25 | 2018-03-01 | Accenture Global Solutions Limited | Analytics toolkit system |
US20180232443A1 (en) * | 2017-02-16 | 2018-08-16 | Globality, Inc. | Intelligent matching system with ontology-aided relation extraction |
-
2019
- 2019-11-29 FR FR1913494A patent/FR3103936A1/fr not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130103690A1 (en) * | 2011-10-20 | 2013-04-25 | The Boeing Company | Associative Memory Technology for Analysis of Requests for Proposal |
US20180060780A1 (en) * | 2016-08-25 | 2018-03-01 | Accenture Global Solutions Limited | Analytics toolkit system |
US20180232443A1 (en) * | 2017-02-16 | 2018-08-16 | Globality, Inc. | Intelligent matching system with ontology-aided relation extraction |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11405344B2 (en) | Social media influence of geographic locations | |
Marcus et al. | Counting with the crowd | |
US9116924B2 (en) | System and method for image selection using multivariate time series analysis | |
FR3102276A1 (fr) | Procedes et systemes pour résumer des document multiples en utilisant une approche d’apprentissage automatique | |
US20170300575A1 (en) | Methods and systems for quantifying and tracking software application quality | |
CN112800097A (zh) | 基于深度兴趣网络的专题推荐方法及装置 | |
US10909604B1 (en) | Artificial intelligence system for automated selection and presentation of informational content | |
US11360974B2 (en) | Ontology driven crowd sourced multi-dimensional question-answer processing for automated bid processing for rapid bid submission and win rate enhancement | |
CN107203772B (zh) | 一种用户类型识别方法及装置 | |
CN117668205B (zh) | 智慧物流客服处理方法、系统、设备及存储介质 | |
US20230410020A1 (en) | Systems and methods for real-time lead grading | |
WO2021174699A1 (fr) | Procédé, appareil et dispositif de criblage d'utilisateur, et support de stockage | |
US11055344B2 (en) | Product image evaluation system and method | |
US20220343483A1 (en) | System and method for probabilistic determination of likely grade of collectible cards | |
FR3103936A1 (fr) | Traitement multidimensionnel de questions-réponses de production participative à partir d’ontologies | |
US20220342912A1 (en) | Automated data set enrichment, analysis, and visualization | |
EP4099228A1 (fr) | Apprentissage automatique sans annotation ameliore par regroupements adaptatifs en ensemble ouvert de classes | |
US11157777B2 (en) | Quality control systems and methods for annotated content | |
CN113378071A (zh) | 广告推荐方法及装置、电子设备、存储介质 | |
Azzalini et al. | FAIR-DB: A system to discover unfairness in datasets | |
CN113609270A (zh) | 一种可标签区分客户的用户行为数据分析系统 | |
FR3103937A1 (fr) | Identification et compréhension de questions pilotées par ordinateur dans un dossier d’appel d’offres commercial pour le traitement automatisé d’offres | |
CN116150420B (zh) | 一种图片任务推送结果的评估方法和系统 | |
US20230141506A1 (en) | Pre-constructed query recommendations for data analytics | |
US20230368509A1 (en) | Multimodal machine learning image and text combined search method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20210604 |
|
PLFP | Fee payment |
Year of fee payment: 3 |
|
ST | Notification of lapse |
Effective date: 20230705 |