Comparaison de différentes méthodes de classification pour la détection de mots clés en parole continue

Résumé : Cet article s'inscrit dans le cadre de la détection de mots clés dans un flux de parole. Nous présentons le problème de détection comme un problème de classification où chaque mot clé peut appartenir à deux classes différentes, à savoir ``correct'' et ``incorrect''. Cette classification est réalisée tout d'abord, par l'utilisation des Réseaux de Neurones Artificiels (RNA) en particulier le Perceptron Multi-Couches (PMC). Ensuite, nous proposons l'utilisation des SVM comme technique de classification innovante et efficace et qui a fait ses preuves dans plusieurs domaines de recherche. Chaque mot clé reconnu est représenté par un vecteur caractéristique qui constitue l'entrée du classifieur. Pour déterminer ce vecteur, nous proposons trois représentations vectorielles basées sur l'emploi des probabilités d'observations acoustiques locales et de la durée de chaque état
Document type :
Conference papers
Complete list of metadatas

https://hal.inria.fr/inria-00100206
Contributor : Publications Loria <>
Submitted on : Tuesday, September 26, 2006 - 10:15:29 AM
Last modification on : Wednesday, November 20, 2019 - 3:00:36 AM

Identifiers

  • HAL Id : inria-00100206, version 1

Citation

Yassine Benayed, Dominique Fohr, Jean-Paul Haton, Gérard Chollet. Comparaison de différentes méthodes de classification pour la détection de mots clés en parole continue. 7ème Colloque Africain sur la Recherche en Informatique - CARI'04, 2004, Hammamet, Tunisie, 8 p. ⟨inria-00100206⟩

Share

Metrics

Record views

255