Automates lexico-phonétiques pour l’indexation et la recherche de segments de parole (Lexical-phonetic automata for spoken utterance indexing and retrieval) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 49–56, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Automates lexico-phonétiques pour l’indexation et la recherche de segments de parole Julien Fayolle1,5 Fabienne Moreau2,5 Christian Raymond3,5 Guillaume Gravier4,5 (1) INRIA Rennes (2) Université de Rennes 2 (3) INSA Rennes (4) CNRS (5) IRISA, Campus de Beaulieu, 35042 Rennes Cedex Prenom.Nom@irisa.fr RÉSUMÉ Ce papier1 présente une méthode d’indexation de segments de parole qui combine des hypothèses lexicales et phonétiques au sein d’un index hybride à base d’automates. La recherche se fait via un appariement lexico-phonétique semi-imparfait qui tolère certaines imperfections pour améliorer le rappel. Un vecteur de descripteurs, contenant des scores d’édition et une mesure de confiance, pondère chaque transition permettant de caractériser la pertinence des segments candidats pour une recherche plus précise. Les expériences montrent la complémentarité des représentations lexicales et phonétiques et leur intérêt pour rechercher des requêtes d’entités nommées. ABSTRACT Lexical-phonetic automata for spoken utterance indexing and retrieval This paper presents a method for indexing spoken utterances which combines lexical and phonetic hypotheses in a hybrid index built from automata. The retrieval is realised by a lexical-phonetic and semi-imperfect matching whose aim is to improve the recall. A feature vector, containing edit distance scores and a confidence measure, weights each transition to help the filtering of the candidate utterance list for a more precise search. Experiment results show that the lexical and phonetic representations are complementary and we compare the hybrid search with the state-of-the-art cascaded search to retrieve named entity queries. MOTS-CLÉS : recherche d’information, indexation de parole, représentations lexico-phonétiques, automates et transducteurs, mesures de confiance, distances d’édition, apprentissage supervisé. KEYWORDS: information retrieval, speech indexing, lexical-phonetic representations, automata and transducers, confidence measures, edit distances, supervised learning. 1 Introduction La recherche de contenus parlés (Chelba et al., 2008) fait appel aux domaines de la reconnais- sance automatique de la parole (RAP) et de la recherche d’information (RI). Seulement les outils de RI textuelle ne sont pas adaptés aux transcriptions automatiques qui sont particulièrement bruitées de par leur nature incomplète et incertaine. En effet, ces transcriptions contiennent de nombreuses erreurs de reconnaissance touchant notamment les mots hors vocabulaire (OOV pour 1 Travaux réalisés dans le cadre du programme QUAERO, financé par OSEO, agence française pour l’innovation. 49 out-of-vocabulary) absents des lexiques de transcription et les entités nommées qui véhiculent les informations essentielles du discours (e.g., noms de personnes, de lieux ou d’organisations) nécessaires à la RI. On distingue deux types d’approches pour pallier ces défauts. On peut, d’une part, améliorer le rappel en faisant appel à une représentation de plus bas niveau composée de sous-mots (i.e., subdivisions du mot comme les syllabes ou les phonèmes) qui permet de représen- ter les mots OOV et plus généralement tous types d’erreurs lexicales. Il est aussi possible d’utiliser des représentations plus denses qu’une simple transcription telles que le graphe, le réseau de confusion ou la liste des N meilleures hypothèses. D’autre part, on peut améliorer la précision en …

Content truncated to 500 words