本研究提出了一种模块化架构的任务导向对话系统（ToDS）方法，旨在改善低资源语言在对话系统中的表现。通过Rasa框架生成的聊天机器人显示，沃洛夫语的意图分类器与法语相当，表明其广泛适用性。

本文介绍了一种基于循环神经网络的机器翻译模型，提升了Wolof与法语的翻译性能。同时，开发了Wolof语言的拼写检查工具，准确率分别达到98.31%和93.33%。研究探讨了深度学习在低资源语言中的应用，提出了基于LSTM的翻译系统，最佳模型在法语-Wolof翻译中获得47%的BLEU得分。