Centre de documentation
scientifique

Dépouillements

Indexation rapide de documents audio par traitement morphologique de la parole / F. Salama in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 15 n° 2 (mars - avril 2010)  

Public [article]  inIngénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 15 n° 2 (mars - avril 2010) . - pp 29 - 48 Titre : Indexation rapide de documents audio par traitement morphologique de la parole Type de document : Article/Communication Auteurs : F. Salama, Auteur ; H. Glotin, Auteur Année de publication : 2010 Article en page(s) : pp 29 - 48 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Informatique [Termes IGN] indexation [Termes IGN] langage naturel (informatique) [Termes IGN] morphologie mathématique [Termes IGN] phonétique [Termes IGN] reconnaissance automatique [Termes IGN] reconnaissance de la parole [Termes IGN] variable binaire Résumé : (Auteur) La parole véhicule la plus grande part de la sémantique contenue dans les documents audio et audio-visuels. Les systèmes de reconnaissance automatique de la parole (RAP) sont donc aujourd'hui centraux pour les systèmes d'indexation et de recherche d'information, mais nécessitent des corpus annotés pour la construction des modèles. Afin de contourner ce verrou technologique, qui est au coeur du « semantic gap », nous proposons une nouvelle approche d'indexation basée sur une mesure directe de similarité entre des représentations parcimonieuses temps-fréquence du mot recherché et du document. Le principe de notre approche est de structurer la parole par un codage des zones articulatoires stables versus instables des phonèmes. Cette approche comporte deux intérêts majeurs : compression du signal et gommage d'artefacts. L'indexation est alors générée par une recherche morphologique, locuteur indépendant, de motif binaire du mot dans celui du document audio. Copyright Lavoisier Numéro de notice : A2010-122 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Article DOI : 10.3166/isi.15.2.29-48 En ligne : https://doi.org/10.3166/isi.15.2.29-48 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=30318 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
093-2010021	SL	Revue	Centre de documentation	Revues en salle	Disponible

Un graphe génératif pour la classification semi-supervisée / P. Gaillard in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 15 n° 2 (mars - avril 2010)  

Public [article]  inIngénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 15 n° 2 (mars - avril 2010) . - pp 97 - 119 Titre : Un graphe génératif pour la classification semi-supervisée Type de document : Article/Communication Auteurs : P. Gaillard, Auteur ; M. Aupetit, Auteur ; A. Govaert, Auteur Année de publication : 2010 Article en page(s) : pp 97 - 119 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Informatique [Termes IGN] apprentissage semi-dirigé [Termes IGN] classification semi-dirigée [Termes IGN] graphe [Termes IGN] modèle logique de données Résumé : (Auteur) Nous proposons un nouvel algorithme semi-supervisé qui combine un modèle de mélange gaussien pour modéliser localement les données, et un graphe génératif construit sur les composants du mélange pour capturer la structure globale des données. La combinaison est réalisée via un processus de propagation d'étiquettes au travers du graphe. Contrairement aux algorithmes de l'état de l'art, le modèle de graphe utilisé est génératif de telle sorte que son optimisation peut être effectuée à l'aide de l'algorithme EM (espérance-maximisation) afin de maximiser sa vraisemblance. De plus, l'unique métaparamètre (le nombre de composants du mélange) peut être sélectionné par un critère statistique. L'algorithme obtient des résultats expérimentaux similaires aux algorithmes comparables lorsque le nombre de données étiquetées est faible, et offre l'avantage de n'avoir aucun paramètre à régler manuellement. Copyright Lavoisier Numéro de notice : A2010-123 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Article DOI : sans En ligne : https://doi.org/10.3166/isi.15.2.97-119 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=30319 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
093-2010021	SL	Revue	Centre de documentation	Revues en salle	Disponible