MODELES DE LANGAGE FONDES SUR DES CLASSES ET DES CONCATENATIONS DE MOTS POUR LA RECONNAISSANCE DE LA PAROLE DANS DES SYSTEMES DE DIALOGUE HOMME/MACHINE PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download MODELES DE LANGAGE FONDES SUR DES CLASSES ET DES CONCATENATIONS DE MOTS POUR LA RECONNAISSANCE DE LA PAROLE DANS DES SYSTEMES DE DIALOGUE HOMME/MACHINE PDF full book. Access full book title MODELES DE LANGAGE FONDES SUR DES CLASSES ET DES CONCATENATIONS DE MOTS POUR LA RECONNAISSANCE DE LA PAROLE DANS DES SYSTEMES DE DIALOGUE HOMME/MACHINE by CHRISTEL.. BEAUJARD. Download full books in PDF and EPUB format.
Author: CHRISTEL.. BEAUJARD
Publisher:
ISBN:
Category :
Languages : fr
Pages : 202
Get Book Here
Book Description
LE BUT DE CES TRAVAUX EST D'AMELIORER LES PERFORMANCES D'UN SYSTEME DE RECONNAISSANCE DE LA PAROLE POUR UNE TACHE DE DIALOGUE HOMME/MACHINE, EN CREANT DES MODELES DE LANGAGE ELABORES. J'AI ABORDE CE PROBLEME AVEC DES METHODES STATISTIQUES, QUI S'APPUIENT SUR LES TRANSCRIPTIONS ENREGISTREES PAR UN SYSTEME DE DIALOGUE EN FRANCAIS SPONTANE SUR LES SERVICES FERROVIAIRES. LA DIFFICULTE MAJEURE DE CETTE ETUDE EST QUE TOUTES LES POSSIBILITES DU LANGAGE NE SONT PAS REPRESENTEES DANS CES TEXTES. POUR ACCROITRE LA COUVERTURE DES MODELES IL EST NECESSAIRE DE GENERALISER LES OBSERVATIONS SANS PERDRE TROP DE PRECISION. POUR CELA, J'AI REGROUPE DES MOTS DANS DES CLASSES SUR UN CRITERE DE SIMILARITE FONDE SUR DES PROPORTIONS DE CONTEXTES COMMUNS. L'AVANTAGE DE CETTE METHODE EST LA REGULATION DE LA CLASSIFICATION PAR LE BIAIS D'UN SEUL PARAMETRE. L'UTILISATION DE CES CLASSES DANS LES MODELES DE LANGAGE REDUIT LES TAUX D'ERREUR EN SORTIE DU SYSTEME DE RECONNAISSANCE DE 2% RELATIF, CE GAIN ETANT DU A UNE BAISSE DES INSERTIONS. ENSUITE, JE ME SUIS PENCHEE SUR LA NECESSITE POUR LE SYSTEME DE DIALOGUE D'INTERAGIR EN TEMPS REEL. PLUS LE MODELE EST GRAND, PLUS LE TEMPS D'ESTIMATION DE LA SEQUENCE DE MOTS EST LONG. MAIS PLUS L'INFORMATION A CONSIDERER POUR PREDIRE UN MOT EST GRANDE, MEILLEURES SONT LES PERFORMANCES. POUR REALISER LE MEILLEUR COMPROMIS, J'AI REALISE DES CONCATENATIONS DE MOTS BASEES SUR LES FREQUENCES RELATIVES DES MOTS D'UNE SEQUENCE. L'ATOUT PRINCIPAL DE CETTE METHODE EST LA REGULATION DE LA TAILLE DU MODELE PAR RAPPORT AUX PERFORMANCES DU SYSTEME PAR LE BIAIS D'UN PARAMETRE. LES SCORES DE RECONNAISSANCE MONTRENT UN GAIN RELATIF DE 3%, LA DIMINUTION DES ERREURS ETANT LIEE A UNE BAISSE DES SUBSTITUTIONS. CES DEUX TYPES DE MODELES, AYANT DES STRUCTURES HETEROGENES, ONT ETE COMBINES. ON OBSERVE UN GAIN RELATIF DE 5% SUR LES ERREURS SUR LES MOTS, SUR LE DEVELOPPEMENT. LES RESULTATS SUR LE TEST ONT MONTRE UN APPORT EGAL A CELUI OBTENU AVEC LE MODELE AVEC DES CONCATENATIONS.
Author: CHRISTEL.. BEAUJARD
Publisher:
ISBN:
Category :
Languages : fr
Pages : 202
Get Book Here
Book Description
LE BUT DE CES TRAVAUX EST D'AMELIORER LES PERFORMANCES D'UN SYSTEME DE RECONNAISSANCE DE LA PAROLE POUR UNE TACHE DE DIALOGUE HOMME/MACHINE, EN CREANT DES MODELES DE LANGAGE ELABORES. J'AI ABORDE CE PROBLEME AVEC DES METHODES STATISTIQUES, QUI S'APPUIENT SUR LES TRANSCRIPTIONS ENREGISTREES PAR UN SYSTEME DE DIALOGUE EN FRANCAIS SPONTANE SUR LES SERVICES FERROVIAIRES. LA DIFFICULTE MAJEURE DE CETTE ETUDE EST QUE TOUTES LES POSSIBILITES DU LANGAGE NE SONT PAS REPRESENTEES DANS CES TEXTES. POUR ACCROITRE LA COUVERTURE DES MODELES IL EST NECESSAIRE DE GENERALISER LES OBSERVATIONS SANS PERDRE TROP DE PRECISION. POUR CELA, J'AI REGROUPE DES MOTS DANS DES CLASSES SUR UN CRITERE DE SIMILARITE FONDE SUR DES PROPORTIONS DE CONTEXTES COMMUNS. L'AVANTAGE DE CETTE METHODE EST LA REGULATION DE LA CLASSIFICATION PAR LE BIAIS D'UN SEUL PARAMETRE. L'UTILISATION DE CES CLASSES DANS LES MODELES DE LANGAGE REDUIT LES TAUX D'ERREUR EN SORTIE DU SYSTEME DE RECONNAISSANCE DE 2% RELATIF, CE GAIN ETANT DU A UNE BAISSE DES INSERTIONS. ENSUITE, JE ME SUIS PENCHEE SUR LA NECESSITE POUR LE SYSTEME DE DIALOGUE D'INTERAGIR EN TEMPS REEL. PLUS LE MODELE EST GRAND, PLUS LE TEMPS D'ESTIMATION DE LA SEQUENCE DE MOTS EST LONG. MAIS PLUS L'INFORMATION A CONSIDERER POUR PREDIRE UN MOT EST GRANDE, MEILLEURES SONT LES PERFORMANCES. POUR REALISER LE MEILLEUR COMPROMIS, J'AI REALISE DES CONCATENATIONS DE MOTS BASEES SUR LES FREQUENCES RELATIVES DES MOTS D'UNE SEQUENCE. L'ATOUT PRINCIPAL DE CETTE METHODE EST LA REGULATION DE LA TAILLE DU MODELE PAR RAPPORT AUX PERFORMANCES DU SYSTEME PAR LE BIAIS D'UN PARAMETRE. LES SCORES DE RECONNAISSANCE MONTRENT UN GAIN RELATIF DE 3%, LA DIMINUTION DES ERREURS ETANT LIEE A UNE BAISSE DES SUBSTITUTIONS. CES DEUX TYPES DE MODELES, AYANT DES STRUCTURES HETEROGENES, ONT ETE COMBINES. ON OBSERVE UN GAIN RELATIF DE 5% SUR LES ERREURS SUR LES MOTS, SUR LE DEVELOPPEMENT. LES RESULTATS SUR LE TEST ONT MONTRE UN APPORT EGAL A CELUI OBTENU AVEC LE MODELE AVEC DES CONCATENATIONS.
Author: Géraldine Damnati
Publisher:
ISBN:
Category :
Languages : fr
Pages : 193
Get Book Here
Book Description
La modélisation statistique de la parole spontanée dans la cadre d'une application de dialogue oral homme-machine doit s'accommoder d'une faible quantité de données d'apprentissage. L'utilisation de classes de mots se révèle alors bénéfique à plusieurs titres. Le premier intérêt est la réduction du nombre de paramètres mais cette thèse contribue à montrer que les classes peuvent permettre en outre de résoudre des problèmes plus larges de robustesse et d'adaptation des modèles de langage liés à l'évolutivité d'un systéme de dialogue. Ainsi, le présent travail porte à la fois sur la construction des classes de mots et sur l'exploitation qui peut en être faite. La seule utilisation de classes a priori n'est pas souhaitable pour modéliser la parole spontanée dont les particularismes dépassent bien souvent le cadre d'une description a priori. Les classes de mots construites automatiquement peuvent quant à elles capturer ces particularités mais les algorithmes classiques n'exploitent que des informations contextuelles extraites des données et souffrent donc du manque de données d'apprentissage. Cette thèse propose une voie médiane où les informations contextuelles et les informations a priori sont utilisées conjointement pour la construction des classes. Un nouveau cadre théorique est défini dont le principe est de pallier le manque de données par une exploitation accrue des données disponibles. Il en résulte des classes plus homogènes, pouvant refléter des propriétés d'ordre syntaxique ou sémantique selon les informations utilisées, tout en demeurant bien adaptées à la modélisation de la parole spontanée. Grâce à ces classes, le problème de l'ajout d'un mot dans le lexique peut être résolu efficacement
Author: David Janiszek
Publisher:
ISBN:
Category :
Languages : fr
Pages : 215
Get Book Here
Book Description
Actuellement, la plupart des systèmes de reconnaissance automatique de la parole (SRAP) sont basés sur des modèles de langage statistiques (MLS). Ces modèles sont estimés à partir d'ensembles d'observations. La mise en oeuvre d'un SRAP nécessite un corpus en adéquation avec le domaine de l'application. Or, à cause des difficultés posées par leur collecte, les corpora disponibles peuvent s'avérer insuffisants pour estimer correctement des MLS. Pour surmonter cela, on souhaite utiliser d'autres données et les adapter au contexte applicatif du SRAP afin d'améliorer les performances du systeme de dialogue correspondant. Dans ce cadre, nous avons défini et mis en oeuvre un nouveau paradigme : la représentation matricielle des données linguistiques. Cette approche, au centre de nos travaux; permet de nouveaux traitements des données linguistiques grâce à l'utilisation de l'algèbre linéaire. Par exemple, on peut définir une similarité sémantico-fonctionnelle entre plusieurs mots. En nous basant sur la représentation matricielle, nous avons étudié et mis au point plusieurs techniques d'adaptation selon plusieurs axes de recherche : Le filtrage des données : basé sur la technique des blocs minimaux. La transformation linéaire : par le calcul d’un opérateur algébrique transformant les données linguistiques. L'augmentation de données : technique réestimant les occurrences d'un mot observé en fonction de sa similarité avec d'autres mots. La combinaison sélective d'historiques : technique généralisant l'interpolation linéaire de différents modèles de langage. Combinaison de techniques : nous avons cherché les meilleures combinaisons. Les résultats expérimentaux obtenus nous donnent des améliorations relatives du taux d'erreur mot sous certaines conditions. En particulier, nos expériences montrent que l'augmentation de données et la combinaison sélective d'historiques, lorsqu'elles sont associées, donnent des résultats intéressants
Author: Imed Zitouni
Publisher:
ISBN:
Category :
Languages : fr
Pages : 188
Get Book Here
Book Description
Le traitement automatique de la parole suscite actuellement un grand interêt ; il est considéré comme une branche importante de l'interaction homme-machine. En effet, nous éprouvons le besoin de communiquer avec nos ordinateurs, de la facon la plus naturelle et la plus directe qui soit : le langage parle ; l'interaction et l'échange d'informations s'en trouvent grandement facilités. Le marché des logiciels offre aujourd'hui des produits qui prétendent effectuer une reconnaissance de la parole continue avec un vocabulaire important. En réalité, les performances de ces systèmes sont encore largement inférieures à celles de l'être humain, particulièrement au niveau de la modélisation du langage. Le travail que nous présentons dans ce manuscrit s'inscrit dans le cadre de la modélisation du langage pour les systèmes de reconnaissance de la parole continue destinés aux grands vocabulaires. Nous proposons de nouveaux modèles fondés sur des séquences de mots de longueur variable. Ces séquences représentent des structures langagières qui s'apparentent à des syntagmes linguistiques. Elles sont détectées automatiquement, à partir d'importants corpus de textes, en utilisant des mesures issues de la théorie de l'information. Nous proposons également une approche hybride combinant les modèles de langage probabilistes, utilisés dans la plupart des systèmes de reconnaissance actuels, avec des connaissances linguistiques explicites supplementaires. L'évaluation de l'ensemble de ces modèles est effectuée en terme de perplexité et en terme de prédiction à l'aide du jeu de Shannon. Pour tester leurs performances au niveau de la reconnaissance, nous avons développé un système de reconnaissance vocale nommé MAUD : machine automatique à dicter ; il se fonde sur les modèles de Markov cachés de second ordre et utilise un vocabulaire de 20000 mots. Par rapport à la version de base de ce système utilisant un modèle trigrammes, l'intégration de ces modèles de langage a amélioré le taux de reconnaissance d'environ 22%.
Author: Yannick Estève
Publisher:
ISBN:
Category :
Languages : fr
Pages : 172
Get Book Here
Book Description
Les modèles de langage sont utilisés dans un système de reconnaissance de la parole pour guider le décodage acoustique. Les modèles de langage "n-grams" qui constituent les modèles de langage de référence en reconnaissance de la parole, modélisent des contraintes sur "n" mots à partir d'événements observés dans un corpus d'apprentissage. Ces modèles donnent des résultats satisfaisants car ils profitent d'une caractéristique commune à plusieurs langues qui exercent des contraintes locales fortes sur l'ordre des mots. Malheureusement, l'utilisation de ces modèles probabilistes est confrontée à plusieurs difficultés. Une faible quantité de données d'apprentissage est courante lors du développement de nouvelles applications de reconnaissance de la parole et entraîne l'estimation de modèles probabilistes peu robustes. Une autre difficulté vient de la longueur des contraintes modélisées : certaines contraintes linguistiques portent sur des distances supérieures aux capacités de modélisation des modèles "n-grams". Afin de pallier aux difficultés des modèles "n-grams", nous proposons d'utiliser plusieurs sources de connaissances "a priori". Nous proposons un modèle hybride qui combine un modèle de langage "n-gram" avec des grammaires régulières locales. Des connaissances "a priori" sont également exploitées pour la création de modèles de langage "n-grams" spécialisés et pour leur utilisation au cours d'un dialogue oral homme-machine. De même, l'analyse des caractéristiques des hypothèses issues de différents systèmes de reconnaissance utilise diverses sources de connaissances. Cette analyse permet de choisir l'hypothèse de reconnaissance la plus pertinente ou de rejeter l'ensemble des hypothèses proposées. Enfin, des connaissances "a priori" sont prises en compte pour élaborer des critères de consistance linguistique. Ces critères permettent de détecter certains types d'erreurs qui peuvent être corrigés à l'aide de modèles de langage très spécifiques, appelés modèles stratégiques
Author: SAMIR KAMEL.. BENNACEF
Publisher:
ISBN:
Category :
Languages : fr
Pages : 206
Get Book Here
Book Description
CETTE THESE S'INSCRIT DANS LE DOMAINE DE LA COMMUNICATION HOMME-MACHINE ET PLUS PRECISEMENT DES SYSTEMES DE DEMANDE D'INFORMATIONS. LE BUT DES TRAVAUX VISE TANT LA MODELISATION DE LA COMPREHENSION, DE LA TACHE ET DU DIALOGUE ORAL QUE LEUR IMPLEMENTATION AFIN DE RENDRE NATURELLE L'INTERACTION HOMME-MACHINE. LE LANGAGE ORAL N'ETANT PAS CONFORME AUX REGLES DU LANGAGE ECRIT, NOUS AVONS PRIVILEGIE POUR LA COMPREHENSION, LES ASPECTS SEMANTIQUES PAR RAPPORT AUX ASPECTS SYNTAXIQUES, EN ADAPTANT LA THEORIE DES GRAMMAIRES DE CAS AU LANGAGE ORAL. L'ANALYSEUR PAR GRAMMAIRE DE CAS CONSISTE A DETECTER LES MOTS OU LES GROUPES DE MOTS SIGNIFICATIFS PAR RAPPORT A UNE APPLICATION EN UTILISANT LOCALEMENT LA SYNTAXE POUR LEVER LES AMBIGUITES. LE MODELE DE TACHE EST FONDE SUR DES STRUCTURES TACHES ET PLANS. LA STRUCTURE TACHE CONTIENT DES REGLES D'INTERPRETATION D'ENONCES, DE GENERATION DE COMMANDES VERS L'APPLICATION (SGBD PAR EXEMPLE) AINSI QUE DES REGLES DE GENERATION DE REPONSES EN LANGAGE NATUREL. LA STRUCTURE PLAN PERMET DE DETECTER LES INCOHERENCES ET DE DEMANDER DES PRECISIONS A L'UTILISATEUR POUR REALISER UNE TACHE PARTICULIERE. LE MODELE DE DIALOGUE PROPOSE, ETABLI A PARTIR DE L'ETUDE DE DIFFERENTS CORPUS DE DIALOGUES REELS ET SIMULES, EST FONDE SUR LA THEORIE DES ACTES DE LANGAGE ISSUE DE LA PHILOSOPHIE ANALYTIQUE, ET SUR LA THEORIE DES LANGAGES ISSUE DE LA LINGUISTIQUE MATHEMATIQUE. CE MODELE CORRESPOND A UN AUTOMATE D'ETATS FINI OU LES ETATS CORRESPONDENT A CEUX DU DIALOGUE ET LES TRANSITIONS AUX ACTES DE LANGAGE. CE TRAVAIL A ETE VALIDE PAR LE DEVELOPPEMENT D'UN SYSTEME DE DIALOGUE COMPLET, DANS LE CADRE D'APPLICATIONS DE DEMANDE D'INFORMATIONS, EN INTEGRANT UN RECONNAISSEUR VOCAL MULTILOCUTEUR. LA PORTABILITE DU SYSTEME A ETE TESTEE SUR DES APPLICATIONS DE MEME TYPE ET SUR DIFFERENTES LANGUES
Author: Samir Bennacef
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0
Get Book Here
Book Description
Cette these s'inscrit dans le domaine de la communication homme-machine et plus precisement des systemes de demande d'informations. Le but des travaux vise tant la modelisation de la comprehension, de la tache et du dialogue oral que leur implementation afin de rendre naturelle l'interaction homme-machine. Le langage oral n'etant pas conforme aux regles du langage ecrit, nous avons privilegie pour la comprehension, les aspects semantiques par rapport aux aspects syntaxiques, en adaptant la theorie des grammaires de cas au langage oral. L'analyseur par grammaire de cas consiste a detecter les mots ou les groupes de mots significatifs par rapport a une application en utilisant localement la syntaxe pour lever les ambiguites. Le modele de tache est fonde sur des structures taches et plans. La structure tache contient des regles d'interpretation d'enonces, de generation de commandes vers l'application (sgbd par exemple) ainsi que des regles de generation de reponses en langage naturel. La structure plan permet de detecter les incoherences et de demander des precisions a l'utilisateur pour realiser une tache particuliere. Le modele de dialogue propose, etabli a partir de l'etude de differents corpus de dialogues reels et simules, est fonde sur la theorie des actes de langage issue de la philosophie analytique, et sur la theorie des langages issue de la linguistique mathematique. Ce modele correspond a un automate d'etats fini ou les etats correspondent a ceux du dialogue et les transitions aux actes de langage. Ce travail a ete valide par le developpement d'un systeme de dialogue complet, dans le cadre d'applications de demande d'informations, en integrant un reconnaisseur vocal multilocuteur. La portabilite du systeme a ete testee sur des applications de meme type et sur differentes langues
Author: Mary-Annick Morel
Publisher: Presses Sorbonne Nouvelle
ISBN: 9782903019754
Category : Automatic speech recognition
Languages : fr
Pages : 336
Get Book Here
Book Description
Pour concevoir un système automatique (une "machine") capable de comprendre le langage naturel oral et de fournir des informations à un humain qui l'interroge, il est nécessaire, entre autres, de disposer d'analyses linguistiques reposant sur l'observation de dialogues authentiques. Quelles sont les différences observables dans le comportement langagier des humains lorsqu'ils se croient face à une machine et qu'ils subissent ses contraintes de compréhension ? Y a-t-il simplification et appauvrissement de leur langage face à un partenaire qu'ils considèrent comme " restreint " ? Existe-t-il des structures fondamentales inhérentes au dialogue finalisé, qui subsistent en toute situation ? Autant de questions auxquelles les études linguistiques présentées ici tentent d'emporter une réponse, en se fondant sur un corpus recueilli en situation réelle, au Centre de Renseignements de la S.N.C.F. à Paris.
Author: Mary-Annick Morel
Publisher: Presses Sorbonne Nouvelle
ISBN: 9782903019938
Category : Automatic speech recognition
Languages : fr
Pages : 386
Get Book Here
Book Description
Pour concevoir un système automatique (une "machine") capable de comprendre le langage naturel oral et de fournir des informations à un humain qui l'interroge, il est nécessaire, entre autres, de disposer d'analyses linguistiques reposant sur l'observation de dialogues authentiques. Quelles sont les différences observables dans le comportement langagier des humains lorsqu'ils se croient face à une machine et qu'ils subissent ses contraintes de compréhension ? Y a-t-il simplification et appauvrissement de leur langage face à un partenaire qu'ils considèrent comme "restreint" ? Existe-t-il des structures fondamentales inhérentes au dialogue finalisé, qui subsistent en toute situation. Autant de questions auxquelles les études linguistiques présentées ici tentent d'apporter une réponse, en se fondant sur un corpus recueilli en situation réelle, au Centre d'information et d'Orientation de l'Université de Paris V.
Author: Jean-Paul Haton
Publisher: Bordas Editions
ISBN: 9782040188276
Category : Reconnaissance automatique de la parole
Languages : fr
Pages : 239
Get Book Here
Book Description
Parler à une machine, dialoguer avec elle constitue l'un des défis majeurs de l'intelligence artificielle. A l'heure actuelle, on ne peut résoudre ce problème qu'en formulant des hypothèses significatives : nombre de locuteurs, niveau du bruit, taille des vocabulaires, complexité des tâches réalisées. Cet ouvrage présente les différentes techniques de reconnaissance de mots isolés et enchaînés, qui sont à la base des systèmes disponibles commercialement. Il étudie ce problème clé du développement des systèmes à venir qu'est le décodage acoustico-phonétique : comment transcrire un continuum acoustique de parole en une suite discrète d'unités linguistiques (phonèmes ou autres). Après avoir analysé la notion de mot, les auteurs développent les méthodes et techniques mises en oeuvre dans la compréhension d'une phrase et la conduite d'un dialogue. Rédigé avec un grand souci de clarté, cet ouvrage permet à tout ingénieur concerné par la communication homme/machine de mesurer les potentialités de cette nouvelle technologie.
