@inproceedings{bechet-etal-2001-modeles,
    title = "Mod\`eles de langage hi\'erarchiques pour les applications de dialogue en parole spontan\'ee",
    author = "B\'echet, Fr\'ed\'eric  and
      Est\`eve, Yannick  and
      De Mori, Renato",
    editor = "Maurel, Denis",
    booktitle = "Actes de la 8\`eme conf\'erence sur le Traitement Automatique des Langues Naturelles. Posters",
    month = jul,
    year = "2001",
    address = "Tours, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/build-pipeline-with-new-library/2001.jeptalnrecital-poster.1/",
    pages = "325--330",
    language = "fra",
    abstract = "Le cadre de cette \'etude concerne les syst\`emes de dialogue via le t\'el\'ephone entre un serveur de donn\'ees et un utilisateur. Nous nous int\'eresserons au cas de dialogues non contraints o\`u l'utilisateur \`a toute libert\'e pour formuler ses requ\^etes. G\'en\'eralement, le module de Reconnaissance Automatique de la Parole (RAP) de tels serveurs utilise un seul Mod\`ele de Langage (ML) de type bigramme ou trigramme pour mod\'eliser l'ensemble des interventions possibles de l'utilisateur. Ces ML sont appris sur des corpus de phrases retranscrites \`a partir de sessions entre le serveur et plusieurs utilisateurs. Nous proposons dans cette \'etude une m\'ethode de segmentation de corpus d'apprentissage de dialogue utilisant une strat\'egie mixte bas\'ee \`a la fois sur des connaissances explicites mais aussi sur l'optimisation d'un crit\`ere statistique. Nous montrons qu'un gain en terme de perplexit\'e et de taux d'erreurs/mot peut \^etre constat\'e en utilisant un ensemble de sous mod\`eles de langage issus de la segmentation plut\^ot qu'un mod\`ele unique appris sur l'ensemble du corpus."
}