Auto-encodeurs pour la compréhension de documents parlés (Auto-encoders for Spoken Document Understanding)

Killian Janod, Mohamed Morchid, Richard Dufour, Georges Linarès, Renato De Mori


Abstract
Les représentations de documents au moyen d’approches à base de réseaux de neurones ont montré des améliorations significatives dans de nombreuses tâches du traitement du langage naturel. Dans le cadre d’applications réelles, où des conditions d’enregistrement difficiles peuvent être rencontrées, la transcription automatique de documents parlés peut générer un nombre de mots mal transcrits important. Cet article propose une représentation des documents parlés très bruités utilisant des caractéristiques apprises par un auto-encodeur profond supervisé. La méthode proposée s’appuie à la fois sur les documents bruités et leur équivalent propre annoté manuellement pour estimer une représentation plus robuste des documents bruités. Cette représentation est évaluée sur le corpus DECODA sur une tâche de classification thématique de conversations téléphoniques atteignant une précision de 83% avec un gain d’environ 6%.
Anthology ID:
2016.jeptalnrecital-jep.9
Volume:
Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 1 : JEP
Month:
7
Year:
2016
Address:
Paris, France
Editors:
Laurence Danlos, Thierry Hamon
Venue:
JEP/TALN/RECITAL
SIG:
Publisher:
AFCP - ATALA
Note:
Pages:
73–81
Language:
French
URL:
https://aclanthology.org/2016.jeptalnrecital-jep.9
DOI:
Bibkey:
Cite (ACL):
Killian Janod, Mohamed Morchid, Richard Dufour, Georges Linarès, and Renato De Mori. 2016. Auto-encodeurs pour la compréhension de documents parlés (Auto-encoders for Spoken Document Understanding). In Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 1 : JEP, pages 73–81, Paris, France. AFCP - ATALA.
Cite (Informal):
Auto-encodeurs pour la compréhension de documents parlés (Auto-encoders for Spoken Document Understanding) (Janod et al., JEP/TALN/RECITAL 2016)
Copy Citation:
PDF:
https://aclanthology.org/2016.jeptalnrecital-jep.9.pdf