Modèle probabiliste d’un langage en reconnaissance de la parole

Analyse

Dans les diverses tâches de reconnaissance de la parole, en particulier celles qui utilisent un large vocabulaire, il est nécessaire d’avoir un modèle de langage qui participe au choix des candidats pour la suite de la phrase. L’idée de construire un modèle probabiliste adapté à cette tâche provient naturellement du fait que la succession des mots dans une phrase est soumise à des contraintes d’ordres grammatical et sémantique. Le principe est d’estimer la probabilité conditionnelle de l’apparition d’un mot, le début de la phrase étant fixé. Après avoir posé le problème du modèle adapté à un large vocabulaire et une tâche naturelle, les auteurs présentent un outil théorique (Source de Markov en théorie de l’information), utile à sa formalisation, et les méthodes automatiques d’estimation des paramètres nécessaires. Puis ils exposent l’expérience d’un modèle particulier pour l’anglais, et ses résultats.

Abstract

In speech recognition with a large size vocabulary, a language model is used to direct the choice of the word candidates along the sentence being decoded. The word succession is subject to syntactic and semantic constraints. A probabilistic language model should estimate the conditional probability of utterrance of any word, given the past sequence. In this paper, the authors introduce the language modelling problem for natural tasks. They give an information theoretic tool for its formalisation: the notion of Markov source. The automatic training and parameters estimation are showed. Then a particular model experiment for natural english is related.