DOMINIQUE.. MORIN
Published: 1993
Total Pages: 199
Get eBook
LA PRESENTE ETUDE CONCERNE L'AMELIORATION DES SYSTEMES DE RECONNAISSANCE AUTOMATIQUE DE LA PAROLE UTILISES COMME OUTIL D'INTERACTIVITE DANS LES SERVEURS VOCAUX INTERACTIFS (SVI). CES SYSTEMES SONT INDEPENDANTS DU LOCUTEUR, CAPABLES DE RECONNAITRE DE PETITS VOCABULAIRES PRONONCES, DANS NOTRE CAS, EN MODE MOT ISOLE. LES SYSTEMES DE RECONNAISSANCE UTILISES SONT BASES SUR LA MODELISATION MARKOVIENNE DE CHACUN DES MOTS DU VOCABULAIRE AUTORISE. DANS UNE PREMIERE PARTIE, NOUS DECRIVONS LES ALGORITHMES DE RECONNAISSANCE UTILISES. LA SECONDE PARTIE EST CONSACREE AUX DIFFICULTES D'UTILISATION DE LA COMMANDE VOCALE. EN EFFET, LES APPLICATIONS GRAND-PUBLIC ONT DEUX IMPERATIFS: OFFRIR UNE ERGONOMIE CONVIVIALE ET RESPECTER LES CONTRAINTES INDUSTRIELLES (TECHNIQUES ET FINANCIERES). C'EST POURQUOI NOUS NOUS DONNONS COMME OBJECTIF D'AMELIORER LES SYSTEMES EN EXPLOITATION SANS PENALISER NI LA PHASE DE RECONNAISSANCE, NI LE COUT FINANCIER DE CONSTRUCTION DES APPLICATIONS: NOUS INTERVENONS DONC AU NIVEAU DU CORPUS DE PAROLE A UTILISER PENDANT L'APPRENTISSAGE. UNE PREMIERE MESURE A CONFIRME QU'UN SYSTEME APPRIS EN LABORATOIRE EST MAL ADAPTE A LA SITUATION D'EXPLOITATION: ON PEUT INCRIMINER MANQUE DE SPONTANEITE ET/OU DE VARIABILITE DES DONNEES DE LABORATOIRE UTILISEES PENDANT L'APPRENTISSAGE. NOUS AVONS ENSUITE EVALUE L'INFLUENCE DE CORPUS D'EXPLOITATION, ENREGISTRE A PARTIR D'UN SERVEUR EN ACTIVITE. EN UTILISANT DEUX UNITES DE BASE DANS LA MODELISATION (LE MOT ET L'ALLOPHONE), LES RESULTATS SONT APPARUS COHERENTS: L'INTEGRATION, PENDANT LA PHASE D'APPRENTISSAGE, DE DONNEES D'EXPLOITATION CORRECTES EN COMPLEMENT DES DONNEES DE LABORATOIRE, PERMET D'ATTEINDRE UNE DIMINUTION D'ENVIRON 30% DU NOMBRE DES ERREURS DE RECONNAISSANCE COMMISES EN EXPLOITATION. LA SUITE DES TRAVAUX A DONC CONSISTE A TROUVER UNE METHODE POUR EVITER LA PHASE DE SELECTION MANUELLE DU CORPUS D'EXPLOITATION. PLUSIEURS TECHNIQUES, CONNUES POUR REJETER LES ENTREES INCORRECTES, ONT ETE TESTEES. UNE METHODE ENTIEREMENT AUTOMATIQUE DONNE SATISFACTION: ELLE UTILISE DES MODELES PIEGE POUR CAPTURER LES DONNEES INCORRECTES. L'APPRENTISSAGE DES MODELES PIEGE SE FAIT EN DEUX PHASES. LA PREMIERE CONSISTE A LES APPRENDRE A PARTIR D'UN VOCABULAIRE DIFFERENT DE L'APPLICATION. LA SECONDE PROCEDE A L'OPTIMISATION DE CES MODELES PIEGE A L'AIDE DES DONNEES CAPTUREES AU COURS DE LA PREMIERE PHASE. L'EMPLOI DE CES MODELES PIEGE POUR LA SELECTION DES DONNEES DU CORPUS D'EXPLOITATION PERMET DE CONSTRUIRE DES MODELES QUI ATTEIGNENT LES PERFORMANCES DE LA SELECTION MANUELLE