Reconnaissance thématique à partir de textes dictés et Adaptation dynamique de modèles de langages thématiques - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2000

Reconnaissance thématique à partir de textes dictés et Adaptation dynamique de modèles de langages thématiques

Brigitte Bigi
Spriet Thierry

Résumé

A robust strategy for dynamic language model selection, based on topic recognition and switching between topic models, is proposed. It is effective because it relies on a small set of well trained topic-dependent language models and on reliable topic recognition. By using perplexity as a performance measure of the LM switching model, a tangible reduction is observed with respect to the use of a single, general, static LM. Different methods are proposed for topic shift detection. Experimental results show that different strategies for topic shift detection have to be used depending on whether high recall or high precision are sought.
Fichier principal
Vignette du fichier
bigi2000jep.pdf (229.02 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-01392244 , version 1 (15-12-2016)

Licence

Copyright (Tous droits réservés)

Identifiants

  • HAL Id : hal-01392244 , version 1

Citer

Brigitte Bigi, Renato de Mori, Spriet Thierry. Reconnaissance thématique à partir de textes dictés et Adaptation dynamique de modèles de langages thématiques. XXIIIèmes Journées d'Etudes sur la Parole, 2000, Aussois, France. pp.301-304. ⟨hal-01392244⟩

Collections

UNIV-AVIGNON LIA
47 Consultations
36 Téléchargements

Partager

Gmail Facebook X LinkedIn More