WSIM : une méthode de détection de thème fondée sur la similarité entre mots
Identifieur interne : 003543 ( Crin/Corpus ); précédent : 003542; suivant : 003544WSIM : une méthode de détection de thème fondée sur la similarité entre mots
Auteurs : Armelle Brun ; Kamel Smaïli ; Jean-Paul HatonSource :
English descriptors
Abstract
L'adaptation des modèles de langage dans les systèmes de reconnaissance de la parole est un des enjeux importants de ces dernières années. Elle permet de poursuivre la reconnaissance en utilisant le modèle de langage adéquat~ : celui correspondant au thème identifié. Dans cet article nous proposons une méthode originale de détection de thème fondée sur des vocabulaires caractéristiques de thèmes et sur la similarité entre mots et thèmes. Cette méthode dépasse la méthode classique (TFIDF) de 14%, ce qui représente un gain important en terme d'identification. Nous montrons également l'intérêt de choisir un vocabulaire adéquat. Notre méthode de détermination des vocabulaires atteint des performances 3 fois supérieures à celles obtenues avec des vocabulaires construits sur la fréquence des mots.
Links to Exploration step
CRIN:brun02aLe document en format XML
<record><TEI><teiHeader><fileDesc><titleStmt><title xml:lang="fr" wicri:score="-288">WSIM : une méthode de détection de thème fondée sur la similarité entre mots</title></titleStmt><publicationStmt><idno type="RBID">CRIN:brun02a</idno><date when="2002" year="2002">2002</date><idno type="wicri:Area/Crin/Corpus">003543</idno></publicationStmt><sourceDesc><biblStruct><analytic><title xml:lang="fr">WSIM : une méthode de détection de thème fondée sur la similarité entre mots</title><author><name sortKey="Brun, Armelle" sort="Brun, Armelle" uniqKey="Brun A" first="Armelle" last="Brun">Armelle Brun</name></author><author><name sortKey="Smaili, Kamel" sort="Smaili, Kamel" uniqKey="Smaili K" first="Kamel" last="Smaïli">Kamel Smaïli</name></author><author><name sortKey="Haton, Jean Paul" sort="Haton, Jean Paul" uniqKey="Haton J" first="Jean-Paul" last="Haton">Jean-Paul Haton</name></author></analytic></biblStruct></sourceDesc></fileDesc><profileDesc><textClass><keywords scheme="KwdEn" xml:lang="en"><term>statistical language model</term><term>topic detection</term></keywords></textClass></profileDesc></teiHeader><front><div type="abstract" xml:lang="fr" wicri:score="-1863">L'adaptation des modèles de langage dans les systèmes de reconnaissance de la parole est un des enjeux importants de ces dernières années. Elle permet de poursuivre la reconnaissance en utilisant le modèle de langage adéquat~ : celui correspondant au thème identifié. Dans cet article nous proposons une méthode originale de détection de thème fondée sur des vocabulaires caractéristiques de thèmes et sur la similarité entre mots et thèmes. Cette méthode dépasse la méthode classique (TFIDF) de 14%, ce qui représente un gain important en terme d'identification. Nous montrons également l'intérêt de choisir un vocabulaire adéquat. Notre méthode de détermination des vocabulaires atteint des performances 3 fois supérieures à celles obtenues avec des vocabulaires construits sur la fréquence des mots.</div></front></TEI><BibTex type="inproceedings"><ref>brun02a</ref><crinnumber>A02-R-369</crinnumber><category>3</category><equipe>PAROLE</equipe><author><e>Brun, Armelle</e><e>Smaïli, Kamel</e><e>Haton, Jean-Paul</e></author><title>WSIM : une méthode de détection de thème fondée sur la similarité entre mots</title><booktitle>{Traitement Automatique des Langues Naturelles - TALN'2002, Nancy, France}</booktitle><year>2002</year><month>Jun</month><keywords><e>topic detection</e><e>statistical language model</e></keywords><abstract>L'adaptation des modèles de langage dans les systèmes de reconnaissance de la parole est un des enjeux importants de ces dernières années. Elle permet de poursuivre la reconnaissance en utilisant le modèle de langage adéquat~ : celui correspondant au thème identifié. Dans cet article nous proposons une méthode originale de détection de thème fondée sur des vocabulaires caractéristiques de thèmes et sur la similarité entre mots et thèmes. Cette méthode dépasse la méthode classique (TFIDF) de 14%, ce qui représente un gain important en terme d'identification. Nous montrons également l'intérêt de choisir un vocabulaire adéquat. Notre méthode de détermination des vocabulaires atteint des performances 3 fois supérieures à celles obtenues avec des vocabulaires construits sur la fréquence des mots.</abstract></BibTex></record>Pour manipuler ce document sous Unix (Dilib)
EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/Crin/Corpus
HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 003543 | SxmlIndent | more
Ou
HfdSelect -h $EXPLOR_AREA/Data/Crin/Corpus/biblio.hfd -nk 003543 | SxmlIndent | more
Pour mettre un lien sur cette page dans le réseau Wicri
{{Explor lien
|wiki= Wicri/Lorraine
|area= InforLorV4
|flux= Crin
|étape= Corpus
|type= RBID
|clé= CRIN:brun02a
|texte= WSIM : une méthode de détection de thème fondée sur la similarité entre mots
}}
| This area was generated with Dilib version V0.6.33. |  |