@inproceedings{mdhaffar-etal-2019-apport,
title = "Apport de l`adaptation automatique des mod{\`e}les de langage pour la reconnaissance de la parole: {\'e}valuation qualitative extrins{\`e}que dans un contexte de traitement de cours magistraux (Contribution of automatic adaptation of language models for speech recognition : extrinsic qualitative evaluation in a context of educational courses)",
author = "Mdhaffar, Salima and
Est{\`e}ve, Yannick and
Hernandez, Nicolas and
Laurent, Antoine and
Quiniou, Solen",
editor = "Morin, Emmanuel and
Rosset, Sophie and
Zweigenbaum, Pierre",
booktitle = "Actes de la Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts",
month = "7",
year = "2019",
address = "Toulouse, France",
publisher = "ATALA",
url = "https://aclanthology.org/2019.jeptalnrecital-court.2/",
pages = "167--174",
language = "fra",
abstract = "Malgr{\'e} les faiblesses connues de cette m{\'e}trique, les performances de diff{\'e}rents syst{\`e}mes de reconnaissance automatique de la parole sont g{\'e}n{\'e}ralement compar{\'e}es {\`a} l`aide du taux d`erreur sur les mots. Les transcriptions automatiques de ces syst{\`e}mes sont de plus en plus exploitables et utilis{\'e}es dans des syst{\`e}mes complexes de traitement automatique du langage naturel, par exemple pour la traduction automatique, l`indexation, la recherche documentaire... Des {\'e}tudes r{\'e}centes ont propos{\'e} des m{\'e}triques permettant de comparer la qualit{\'e} des transcriptions automatiques de diff{\'e}rents syst{\`e}mes en fonction de la t{\^a}che vis{\'e}e. Dans cette {\'e}tude nous souhaitons mesurer, qualitativement, l`apport de l`adaptation automatique des mod{\`e}les de langage au domaine vis{\'e} par un cours magistral. Les transcriptions du discours de l`enseignant peuvent servir de support {\`a} la navigation dans le document vid{\'e}o du cours magistral ou permettre l`enrichissement de son contenu p{\'e}dagogique. C`est {\`a}-travers le prisme de ces deux t{\^a}ches que nous {\'e}valuons l`apport de l`adaptation du mod{\`e}le de langage. Les exp{\'e}riences ont {\'e}t{\'e} men{\'e}es sur un corpus de cours magistraux et montrent combien le taux d`erreur sur les mots est une m{\'e}trique insuffisante qui masque les apports effectifs de l`adaptation des mod{\`e}les de langage."
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="mdhaffar-etal-2019-apport">
<titleInfo>
<title>Apport de l‘adaptation automatique des modèles de langage pour la reconnaissance de la parole: évaluation qualitative extrinsèque dans un contexte de traitement de cours magistraux (Contribution of automatic adaptation of language models for speech recognition : extrinsic qualitative evaluation in a context of educational courses)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Salima</namePart>
<namePart type="family">Mdhaffar</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Yannick</namePart>
<namePart type="family">Estève</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Nicolas</namePart>
<namePart type="family">Hernandez</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Antoine</namePart>
<namePart type="family">Laurent</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Solen</namePart>
<namePart type="family">Quiniou</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2019-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts</title>
</titleInfo>
<name type="personal">
<namePart type="given">Emmanuel</namePart>
<namePart type="family">Morin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Sophie</namePart>
<namePart type="family">Rosset</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Pierre</namePart>
<namePart type="family">Zweigenbaum</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Toulouse, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Malgré les faiblesses connues de cette métrique, les performances de différents systèmes de reconnaissance automatique de la parole sont généralement comparées à l‘aide du taux d‘erreur sur les mots. Les transcriptions automatiques de ces systèmes sont de plus en plus exploitables et utilisées dans des systèmes complexes de traitement automatique du langage naturel, par exemple pour la traduction automatique, l‘indexation, la recherche documentaire... Des études récentes ont proposé des métriques permettant de comparer la qualité des transcriptions automatiques de différents systèmes en fonction de la tâche visée. Dans cette étude nous souhaitons mesurer, qualitativement, l‘apport de l‘adaptation automatique des modèles de langage au domaine visé par un cours magistral. Les transcriptions du discours de l‘enseignant peuvent servir de support à la navigation dans le document vidéo du cours magistral ou permettre l‘enrichissement de son contenu pédagogique. C‘est à-travers le prisme de ces deux tâches que nous évaluons l‘apport de l‘adaptation du modèle de langage. Les expériences ont été menées sur un corpus de cours magistraux et montrent combien le taux d‘erreur sur les mots est une métrique insuffisante qui masque les apports effectifs de l‘adaptation des modèles de langage.</abstract>
<identifier type="citekey">mdhaffar-etal-2019-apport</identifier>
<location>
<url>https://aclanthology.org/2019.jeptalnrecital-court.2/</url>
</location>
<part>
<date>2019-7</date>
<extent unit="page">
<start>167</start>
<end>174</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Apport de l‘adaptation automatique des modèles de langage pour la reconnaissance de la parole: évaluation qualitative extrinsèque dans un contexte de traitement de cours magistraux (Contribution of automatic adaptation of language models for speech recognition : extrinsic qualitative evaluation in a context of educational courses)
%A Mdhaffar, Salima
%A Estève, Yannick
%A Hernandez, Nicolas
%A Laurent, Antoine
%A Quiniou, Solen
%Y Morin, Emmanuel
%Y Rosset, Sophie
%Y Zweigenbaum, Pierre
%S Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts
%D 2019
%8 July
%I ATALA
%C Toulouse, France
%G fra
%F mdhaffar-etal-2019-apport
%X Malgré les faiblesses connues de cette métrique, les performances de différents systèmes de reconnaissance automatique de la parole sont généralement comparées à l‘aide du taux d‘erreur sur les mots. Les transcriptions automatiques de ces systèmes sont de plus en plus exploitables et utilisées dans des systèmes complexes de traitement automatique du langage naturel, par exemple pour la traduction automatique, l‘indexation, la recherche documentaire... Des études récentes ont proposé des métriques permettant de comparer la qualité des transcriptions automatiques de différents systèmes en fonction de la tâche visée. Dans cette étude nous souhaitons mesurer, qualitativement, l‘apport de l‘adaptation automatique des modèles de langage au domaine visé par un cours magistral. Les transcriptions du discours de l‘enseignant peuvent servir de support à la navigation dans le document vidéo du cours magistral ou permettre l‘enrichissement de son contenu pédagogique. C‘est à-travers le prisme de ces deux tâches que nous évaluons l‘apport de l‘adaptation du modèle de langage. Les expériences ont été menées sur un corpus de cours magistraux et montrent combien le taux d‘erreur sur les mots est une métrique insuffisante qui masque les apports effectifs de l‘adaptation des modèles de langage.
%U https://aclanthology.org/2019.jeptalnrecital-court.2/
%P 167-174
Markdown (Informal)
[Apport de l’adaptation automatique des modèles de langage pour la reconnaissance de la parole: évaluation qualitative extrinsèque dans un contexte de traitement de cours magistraux (Contribution of automatic adaptation of language models for speech recognition : extrinsic qualitative evaluation in a context of educational courses)](https://aclanthology.org/2019.jeptalnrecital-court.2/) (Mdhaffar et al., JEP/TALN/RECITAL 2019)
ACL