Extraction de mots clefs dans des vidéos Web par Analyse Latente de Dirichlet (LDA-based tagging of Web videos) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 273–280, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Extraction de mots-clefs dans des vidéos Web par Analyse Latente de Dirichlet Mohamed Morchid1 Georges Linarès1 (1) LIA-CERI, Université d’Avignon et des Pays de Vaucluse mohamed.morchid@univ-avignon.fr, georges.linares@univ-avignon.fr RÉSUMÉ Cet article présente une méthode d’étiquetage de vidéos collectées sur une plate-forme de par- tage de vidéos. Cette méthode combine un système de reconnaissance de la parole, qui extrait les contenus parlés des vidéos, et un module d’extraction de mots-clefs opérant sur les transcrip- tions automatiques. La difficulté majeure, dans cette caractérisation de vidéos par un ensemble de mots-clefs, est liée aux performances du SRAP qui sont souvent très faibles sur des vidéos gé- nérées par les utilisateurs.Dans cet article, une méthode d’extraction de mots-clefs robuste aux erreurs de reconnaissance est proposée. Cette méthode repose sur la projection des contenus parlés dans un espace thématique obtenue par Analyse Latente de Dirichlet. Nos expériences sont réalisées sur un ensemble de vidéos collectées sur une plate-forme de partage communau- taire. Elles montrent l’intérêt du modèle proposé, en particulier dans les situations d’échec du système de transcription automatique. ABSTRACT LDA-based tagging of Web videos This article presents a method for the automatic tagging of youtube videos. The proposed me- thod combines an automatic speech recognition system, that extracts the spoken contents, and a keyword extraction system that aims at finding a small set of tags representing the video. In order to improve the robustness of the tagging system to the recognition errors, a video trans- cription is represented in a semantic space obtained by Latent Dirichlet Allocation (LDA), in which each dimension is automatically characterized by a list of weighted terms and chuncks. Our experiments demonstrate the interest of such a model to improve the robustness of the tagging system, especially when speech recognition (ASR) system produce highly errorneous transcript of spoken contents. MOTS-CLÉS : Reconnaissance de la parole, analyse des contenus, catégorisation audio, multi- média. KEYWORDS: Speech recognition, content analysis, audio categorization, multimedia. 273 1 Introduction Les plates-formes de partage de vidéos sur Internet se sont fortement développées ces der- nières années. En 2011, YouTube augmentait d’une heure d’enregistrement déposée toutes les secondes. Malheureusement, l’utilisation de ces collections de vidéos, souffre de l’absence d’in- formations structurées et fiables. L’indexation réalisée par l’hébergeur repose essentiellement sur les mots-clefs fournis par les utilisateurs, éventuellement sur les résumés ou le titre des do- cuments. Malheureusement, ces méta-données sont souvent incomplètes ou erronées, parfois volontairement : certains utilisateurs choisissent des mots-clefs qui favorisent le référencement jusqu’à s’éloigner significativement du contenu réel de la vidéo déposée. Ceci implique donc des tags non représentatifs du contenu même de la vidéo.. Cet article propose une méthode pour l’extraction automatique de mots-clefs des contenus parlés d’une vidéo. Cette méthode repose sur un processus en 2 étapes qui réalisent respectivement la transcription automatique de la parole puis l’extraction de mots-clefs. Un des problèmes majeurs de cet enchaînement extraction/analyse des contenus …

Content truncated to 500 words