Modélisation du langage pour les systèmes de reconnaissance de la parole destinés aux grands vocabulaires : application à MAUD

Le traitement automatique de la parole suscite actuellement un grand interêt ; il est considéré comme une branche importante de l'interaction homme-machine. En effet, nous éprouvons le besoin de communiquer avec nos ordinateurs, de la facon la plus naturelle et la plus directe qui soit : le langage parle ; l'interaction et l'échange d'informations s'en trouvent grandement facilités. Le marché des logiciels offre aujourd'hui des produits qui prétendent effectuer une reconnaissance de la parole continue avec un vocabulaire important. En réalité, les performances de ces systèmes sont encore largement inférieures à celles de l'être humain, particulièrement au niveau de la modélisation du langage. Le travail que nous présentons dans ce manuscrit s'inscrit dans le cadre de la modélisation du langage pour les systèmes de reconnaissance de la parole continue destinés aux grands vocabulaires. Nous proposons de nouveaux modèles fondés sur des séquences de mots de longueur variable. Ces séquences représentent des structures langagières qui s'apparentent à des syntagmes linguistiques. Elles sont détectées automatiquement, à partir d'importants corpus de textes, en utilisant des mesures issues de la théorie de l'information. Nous proposons également une approche hybride combinant les modèles de langage probabilistes, utilisés dans la plupart des systèmes de reconnaissance actuels, avec des connaissances linguistiques explicites supplementaires. L'évaluation de l'ensemble de ces modèles est effectuée en terme de perplexité et en terme de prédiction à l'aide du jeu de Shannon. Pour tester leurs performances au niveau de la reconnaissance, nous avons développé un système de reconnaissance vocale nommé MAUD : machine automatique à dicter ; il se fonde sur les modèles de Markov cachés de second ordre et utilise un vocabulaire de 20000 mots. Par rapport à la version de base de ce système utilisant un modèle trigrammes, l'intégration de ces modèles de langage a amélioré le taux de reconnaissance d'environ 22%.Automatic speech récognition currently arouses a great interest: it can be considered as a significant field of the man-machine interaction. In fact, we need to communicate with our comput ers using the most natural and direct way: the spoken language; the interaction and the exchange of information are then largely facilitated. At present, several softwares daim to carry out a continuo us speech recognition for a large vocabulary. The performances of these systems are stilliargely lower than those of the human being, particularly on language modeling. The wor k we propose is registered in the framework of language modeling for large vocabularies continuous speech recognition systems. We present in this manuscript new models based on variable length word sequences. These sequences represent linguistic structures or more exactly syntagms. They are automatically detected, on significant text corpora, by using information theory measures. We also propose a hybrid approach combining probabilistic language models, used by the majorîty of current speech recognition systems, with addition al explicit linguistic knowledge. The evaluation of these models is carried out in terms of perplexity and in terms of word prediction with the Shannon game. To test their performances on recognition, we developed a large vocabulary dictation machine named MAUD; it is based on second order hidden Markov models and uses a vocabulary of 20000 words. Compared to the basic version of MA un using a trigram model, the integration of these language models improved the recognition rate by 22% approximately