Boosting de bonzaïs pour la combinaison efficace de descripteurs : application à l'identification du rôle du locuteur

Résumé : Dans ce travail, nous nous intéressons au problème de la détection du rôle du locuteur dans les émissions d'actualités radiotélévisées. Dans la littérature, les solutions proposées sont de combiner des indicateurs variés provenant de l'acoustique, de la transcription et/ou de son analyse par des méthodes d'apprentissage automatique. De nombreuses études font ressortir l'algorithme de boosting sur des règles de décision simples comme l'un des plus efficaces à combiner ces différents descripteurs. Nous proposons ici une modification de cet algorithme état-de-l'art en remplaçant ces règles de décision simples par des mini arbres de décision que nous appelons bonzaïs. Les expériences comparatives menées sur le corpus EPAC montrent que cette modification améliore largement les performances du système tout en réduisant le temps d'apprentissage de manière conséquente.
Type de document :
Communication dans un congrès
Journée d'Etude sur la Parole, Jun 2014, Le Mans, France. 2014
Liste complète des métadonnées

Littérature citée [12 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01025142
Contributeur : Christian Raymond <>
Soumis le : jeudi 17 juillet 2014 - 11:11:41
Dernière modification le : mercredi 16 mai 2018 - 11:23:06
Document(s) archivé(s) le : lundi 24 novembre 2014 - 17:19:42

Fichier

jep2014.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01025142, version 1

Citation

Antoine Laurent, Nathalie Camelin, Christian Raymond. Boosting de bonzaïs pour la combinaison efficace de descripteurs : application à l'identification du rôle du locuteur. Journée d'Etude sur la Parole, Jun 2014, Le Mans, France. 2014. 〈hal-01025142〉

Partager

Métriques

Consultations de la notice

534

Téléchargements de fichiers

111