D'Extraction Automatique Du Langage

2005

In this thesis, we address spoken language translation in its entirety. This study focuses mainly on methods allowing a tight coupling between the two underlying research domains, namely automatic speech recognition and statistical machine translation. Indeed, beyond a simple pipelining of systems, it is possible to use various data represen- tations from one system to another to achieve better performance. Moreover, it is essential for a spoken language translation system to ensure continuity and consistency between its various components in order to limit the noise and disfluencies which can occur in statistical frameworks like the ones we use. This process begins with ensuring the pertinence and homogeneity of the data we use during the development of our systems. Then, from this data, it becomes possible to jointly perform the development and optimisation of the systems in order to propose a tight and robust coupling. This development framework, as we define it, mainly relates to LIUM’s participation to the 2010 and 2011 spoken language translation evaluation campaigns IWSLT (International Workshop on Spoken Language Translation). These campaigns propose speech translation tasks with strong constraints, such as allowed data sets for system development or the proposed task. Our thesis contributions concern three axis aimed at the automatic translation of English scientific presentations into French. First, we describe a corpus we built, adapted to automatic translation of transcriptions from an English automatic speech recognition system. This cor- pus, TED-LIUM, is now freely distributed to the scientific community. Second, we propose a complete implementation of an English to French spoken language translation system. This system was ranked best at the evaluation proposed at IWSLT 2011. Finally, we present a study of an efficient data selection method based on cross-entropy criterion, in order to significantly enhance a statistical machine translation system. Concerning this method, we propose a tool which has demonstrated its efficiency in various contexts, related to speech or not.

iro.umontreal.ca

2015

La typologie des langues repose sur l’étude de la réalisation de propriétés ou phénomènes linguistiques dans plusieurs langues ou familles de langues. Nous abordons dans cet article la question de la typologie syntaxique et proposons une méthode permettant d’extraire automatiquement ces propriétés à partir de treebanks, puis de les analyser en vue de dresser une telle typologie. Nous décrivons cette méthode ainsi que les outils développés pour la mettre en œuvre. Celle-ci a été appliquée à l’analyse de 10 langues décrites dans le Universal Dependencies Treebank. Nous validons ces résultats en montrant comment une technique de classification permet, sur la base des informations extraites, de reconstituer des familles de langues.

Http Www Theses Fr, 2011

Je voudrais tout d'abord présenter tous mes remerciements, ainsi que toute ma gratitude, à Monsieur Laurent BESACIER et Monsieur Eric CASTELLI pour avoir accepté d'être mes deux directeurs de thèse. Un grand remerciement très chaleureusement à Monsieur Laurent BESACIER, qui m'a guidé tout au long de ces années de thèse, pour ses conseils, ses aides et ses encouragements précieux. Un grand remerciement également à Monsieur Eric CASTELLI pour tous ses critiques et ses conseils sur mes travaux de recherche. J'adresse mes remerciements à Madame Brigitte PLATEAU, directrice du Laboratoire d'Informatique de Grenoble, pour m'avoir accepté dans l'équipe GETALP. Un grand remerciement également à Monsieur NGUYEN Trong Giang, l'ancien directeur du Centre MICA, et Madame PHAM Thi Ngoc Yen, directrice du Centre MICA, pour m'avoir accueilli dans l'équipe TIM et pour leur aide dévouée. Je tiens à remercier Monsieur Christian BOITET pour avoir accepté d'être le président du jury. Je voudrais remercier aussi à Monsieur Holger SCHWENK et Monsieur Kamel SMAÏLI pour avoir accepté d'être les rapporteurs de ma thèse. Un grand merci à Monsieur Georges LINARÈS d'avoir accepté de participer à ce jury. Je remercie également tous les membres de l'équipe GETALP du LIG et l'équipe TIM du MICA pour leur accueil et leur sympathie. Je remercie mes amis à MICA et mes amis à Grenoble avec qui j'ai partagé de grands moments au cours de ma thèse. Je pense à ma famille qui m'a apporté un soutien important, non seulement sur l'aspect sentimental, mais également par les encouragements dont j'avais besoin pour mener à bien ce travail. Un grand merci à tous.

Recherches en didactique des langues et des cultures, 2015

Linguistique appliquée et traitement automatique des langues Recherches en didactique des langues et des cultures, 12-3 | 0000

2006

Le temps nécessaire pour écouter un flux audio est un facteur réduisant l'accès efficace à de grandes archives de parole. Une première approche, la structuration automatique des données, permet d'utiliser un moteur de recherche pour cibler plus rapidement l'information. Les listes de résultats générées sont longues dans un souci d'exhaustivité. Alors que pour des documents textuels, un coup d'oeil discrimine un résultat interessant d'un résultat non pertinant, il faut écouter l'audio dans son intégralité pour en capturer le contenu.

This paper presents a new indexing method for spoken utterances combining lexical and phonetic hypothesis in an hybrid index build from automata. The retrieval is realised by a lexical-phonetic and semi-imperfect matching tolerating imperfections to improve the recall. A feature vector (edition scores, confidence measures, durations) weighting each transition helps to filter the candidate utterances for a better precision. The experiments show the complementarity of lexical and phonetic representations and their interest to retrieve named entity queries.