Chunker différents types de discours oraux : défis pour l’apprentissage automatique - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

Chunker différents types de discours oraux : défis pour l’apprentissage automatique

Résumé

Le travail décrit le développement d’un chunker pour l’oral par apprentissage supervisé avec les CRFs, à partir d’un corpus de référence de petite taille et composé de productions de nature différente : monologue préparé vs discussion spontanée. La méthodologie respecte les spécificités des données traitées. L’apprentissage tient compte des résultats proposés par différents étiqueteurs morpho-syntaxiques disponibles sans correction manuelle de leurs résultats. Les expériences montrent que le genre de discours (monologue vs discussion), la nature de discours (spontané vs préparé) et la taille du corpus peuvent influencer les résultats de l’apprentissage, ce qui confirme que la nature des données traitées est à prendre en considération dans l’interprétation des résultats.
Fichier principal
Vignette du fichier
4.pdf (786.6 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-02567769 , version 1 (30-05-2020)

Licence

Paternité - Pas d'utilisation commerciale - Pas de modification

Identifiants

  • HAL Id : hal-02567769 , version 1

Citer

Iris Eshkol-Taravella, Mariame Maarouf, Marie Skrovec, Flora Badin. Chunker différents types de discours oraux : défis pour l’apprentissage automatique. 26e Conférence sur le Traitement Automatique des Langues Naturelles, 2019, Toulouse, France. pp.195-204. ⟨hal-02567769⟩
702 Consultations
38 Téléchargements

Partager

Gmail Facebook X LinkedIn More