@inproceedings{servan-bechet-2006-decodage,
    title = "D{\'e}codage conceptuel et apprentissage automatique : application au corpus de dialogue Homme-Machine {MEDIA}",
    author = "Servan, Christophe  and
      B{\'e}chet, Fr{\'e}d{\'e}ric",
    editor = "Mertens, Piet  and
      Fairon, C{\'e}drick  and
      Dister, Anne  and
      Watrin, Patrick",
    booktitle = "Actes de la 13{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
    month = apr,
    year = "2006",
    address = "Leuven, Belgique",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/fix-sig-urls/2006.jeptalnrecital-long.30/",
    pages = "328--337",
    language = "fra",
    abstract = "Cette {\'e}tude pr{\'e}sente les travaux du LIA effectu{\'e}s sur le corpus de dialogue homme-machine MEDIA et visant {\`a} proposer des m{\'e}thodes d{'}analyse robuste permettant d{'}extraire d{'}un message audio une s{\'e}quence de concepts {\'e}l{\'e}mentaires. Le mod{\`e}le de d{\'e}codage conceptuel pr{\'e}sent{\'e} est bas{\'e} sur une approche stochastique qui int{\`e}gre directement le processus de compr{\'e}hension au processus de Reconnaissance Automatique de la Parole (RAP). Cette approche permet de garder l{'}espace probabiliste des phrases produit en sortie du module de RAP et de le projeter vers un espace probabiliste de s{\'e}quences de concepts. Les exp{\'e}riences men{\'e}es sur le corpus MEDIA montrent que les performances atteintes par notre mod{\`e}le sont au niveau des meilleurs syst{\`e}mes ayant particip{\'e} {\`a} l'{\'e}valuation sur des transcriptions manuelles de dialogues. En d{\'e}taillant les performances du syst{\`e}me en fonction de la taille du corpus d{'}apprentissage on peut mesurer le nombre minimal ainsi que le nombre optimal de dialogues n{\'e}cessaires {\`a} l{'}apprentissage des mod{\`e}les. Enfin nous montrons comment des connaissances a priori peuvent {\^e}tre int{\'e}gr{\'e}es dans nos mod{\`e}les afin d{'}augmenter significativement leur couverture en diminuant, {\`a} performance {\'e}gale, l{'}effort de constitution et d{'}annotation du corpus d{'}apprentissage."
}