Analyse syntaxique automatique de l'oral : étude des disfluences

The aim of the PhD is to study in a detailed way the impact of disfluencies in spoken french (repeats, self-repairs, word-fragments, aso.) on speech parsing, and to provide a theoretical model being able to integrate them in this analysis. Our research orientation is based on the assumption that a detailed analysis of the speech uterances (mainly in morphosyntaxic terms) can allow an efficient processing for this kind of data, and proves to be essential in the development of generic applications in the field of speech technologies. In this work, we propose at the same time a detailed linguistic study and a strategy of disfluencies chunking. The final corpus obtained in thus segmented in non-disfluent chunks on the one hand, beside the disfluent chunks on the other hand, after taking into account the regularities observed in our corpus. The results of the automatic parsing are finally evaluated in a quantitative way on the corpus, thus allowing to validate the theoretical model in an empirical way.Le but de cette thèse est d'étudier de façon détaillée l'impact des disfluences en français parlé (répétitions, auto-corrections, amorces, etc.) sur l'analyse syntaxique automatique de l'oral et de propose un modèle théorique permettant de les intégrer dans cette analyse. Notre axe de recherche se fonde sur l'hypothèse selon laquelle une analyse détaillée des énoncés oraux (principalement en termes morphosyntaxiques) peut permettre un traitement efficace pour ce type de données, et s'avère incontournable dans une optique de développement d'applications génériques dans le domaine des technologies de la parole. Dans le cadre de ce travail, nous proposons à la fois une étude linguistique détaillée et une stratégie d'analyse syntaxique automatique partielle des disfluences (en syntagmes minimaux non récursifs ou "chunks"). Le corpus final obtenu est ainsi segmenté en chunks non-disfluents d'une part, à côté des chunks disfluents d'autre part après prise en compte des régularités observées dans notre corpus. Les résultats de l'analyse automatique sont finalement évalués de façon quantitative sur le corpus permettant ainsi de valider le modèle théorique de façon empirique