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.
Complete list of metadatas

Cited literature [12 references]  Display  Hide  Download

https://hal.inria.fr/hal-01025142
Contributor : Christian Raymond <>
Submitted on : Thursday, July 17, 2014 - 11:11:41 AM
Last modification on : Monday, September 16, 2019 - 11:45:56 AM
Long-term archiving on : Monday, November 24, 2014 - 5:19:42 PM

File

jep2014.pdf
Files produced by the author(s)

Identifiers

  • 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. ⟨hal-01025142⟩

Share

Metrics

Record views

595

Files downloads

128