Navigation – Plan du site

AccueilNuméros147Classifications de mots non étiqu...

Classifications de mots non étiquetés par des méthodes statistiques

Clustering unlabelled words with statistical methods
Christel Beaujard et Michèle Jardino

Résumés

Notre thématique de recherche est le développement de modèles de langage robustes pour la reconnaissance de la parole. Ces modèles doivent prédire un mot connaissant les mots qui le précèdent. Malgré le nombre croissant de données textuelles électroniques, toutes les possibilités de la langue ne sont pas présentes dans ces données, un moyen de les obtenir est de généraliser la représentation textuelle en regroupant les mots dans des classes. Les modèles de langage fondés sur des classes présentent alors une plus large couverture de la langue avec un nombre réduit de paramètres permettant une reconnaissance plus rapide des mots par les systèmes de reconnaissance de la parole dans lesquels ils sont introduits. Nous décrivons deux types de classification automatique de mots, appris statistiquement sur des textes écrits de journaux et de transcriptions de parole. Ces classifications ne nécessitent pas d'étiquetage des mots, elles sont réalisées suivant les contextes locaux dans lesquels les mots sont observés. L'une est basée sur la distance de Kullback-Leibler et répartit tous les mots dans un nombre de classes fixé à l'avance. La seconde regroupe les mots considérés comme similaires dans un nombre de classes non prédéfini. Cette étude a été réalisée sur les données d'apprentissage en français de domaines, de taille et de vocabulaire différents.

Haut de page

Pour citer cet article

Référence électronique

Christel Beaujard et Michèle Jardino, « Classifications de mots non étiquetés par des méthodes statistiques »Mathématiques et sciences humaines [En ligne], 147 | Automne 1999, mis en ligne le 10 février 2006, consulté le 12 juin 2025. URL : http://journals.openedition.org/msh/2795 ; DOI : https://doi.org/10.4000/msh.2795

Haut de page

Droits d’auteur

Le texte et les autres éléments (illustrations, fichiers annexes importés), sont « Tous droits réservés », sauf mention contraire.

Haut de page
Search OpenEdition Search

You will be redirected to OpenEdition Search