Génération des prononciations de noms propres à l’aide des Champs Aléatoires Conditionnels (Pronunciation generation for proper names using Conditional Random Fields) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 641–648, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Génération des prononciations de noms propres à l'aide des Champs Aléatoires Conditionnels Irina Illina, Dominique Fohr, Denis Jouvet Équipe Parole, INRIA-LORIA, 615, rue du Jardin Botanique, 54602 Villers-les-Nancy, France {illina, fohr, jouvet}@loria.fr RÉSUMÉ Dans cet article, nous proposons une approche de conversion graphème-phonème pour les noms propres. L'approche repose sur une méthode probabiliste : les Champs Aléatoires Conditionnels (Conditional Random Fields, CRF). Les CRFs donnent une prévision à long terme, n'exigent pas l'indépendance des observations et permettent l'intégration de tags. Dans nos travaux antérieurs, l'approche de conversion graphème-phonème utilisant les CRFs a été proposée pour les mots communs et différents paramétrages des CRFs ont été étudiés. Dans cet article, nous étendons ce travail aux noms propres. Par ailleurs, nous proposons un algorithme pour la détection de l'origine des noms propres. Le système proposé est validé sur deux dictionnaires de prononciations. Notre approche se compare favorablement aux JMM (Joint-Multigram Model, système de l'état de l'art), et tire profit de la connaissance de la langue d'origine du nom propre. Abstract Pronunciation generation for proper names using Conditional Random Fields We propose an approach to grapheme-to-phoneme conversion for proper names based on a probabilistic method: Conditional Random Fields (CRFs). CRFs give a long term prediction, assume a relafex state independence condition and allow a tag integration. In previous work, grapheme-to-phoneme conversion using CRF has been proposed for non proper names and different CRF features are studied. In this paper, we extend this work to proper names. Moreover, we propose an algorithm for origine detection of proper names of foreign origins. The proposed system is validated on two pronunciation dictionaries. Our approach compares favorably with the performance of the state-of-the-art Joint-Multigram Models and takes advantage of the knowledge of the origin of the proper name. MOTS-CLÉS : reconnaissance de la parole, noms propres, phonétisation du lexique, champs aléatoires conditionnels (CRF) KEYWORDS: automatic speech recognition, proper names, lexique phonetisation, conditional random field (CRF). 1 Introduction La phonétisation d'un mot à partir de sa forme écrite consiste à trouver les variantes de prononciations de ce mot. Les principales applications sont la reconnaissance automatique de la parole, la synthèse vocale et la génération de dictionnaires de prononciations. Dans ces applications, l'utilisation de dictionnaires conçus et vérifiés manuellement est la solution qui permet la meilleure précision. Mais le coût de cette solution est souvent prohibitif. Pour les noms communs, des dictionnaires phonétiques sont parfois disponibles (comme, par exemple, le dictionnaire CMU pour l'anglais ou le Bdlex pour le français). En revanche de tels dictionnaires 641 sont rarement disponibles et même inexistants pour les noms propres. Dans ce cas, la génération automatique d'un dictionnaire est nécessaire. Les problèmes de phonétisation des noms propres sont nombreux et proviennent en partie de leur diversité (Bechet, 2000) : leurs différentes prononciations, leurs différentes origines, l'imprévisibilité orthographique de noms propres et leurs homographes hétérophones (formes identiques ayant des prononciations différentes), …

Content truncated to 500 words