@inproceedings{level-etal-2020-introduction,
    title = "Introduction d{'}informations s{\'e}mantiques dans un syst{\`e}me de reconnaissance de la parole (Despite spectacular advances in recent years, the Automatic Speech Recognition ({ASR}) systems still make mistakes, especially in noisy environments)",
    author = "Level, St{\'e}phane  and
      Illina, Irina  and
      Fohr, Dominique",
    editor = "Benzitoun, Christophe  and
      Braud, Chlo{\'e}  and
      Huber, Laurine  and
      Langlois, David  and
      Ouni, Slim  and
      Pogodalla, Sylvain  and
      Schneider, St{\'e}phane",
    booktitle = "Actes de la 6e conf{\'e}rence conjointe Journ{\'e}es d'{\'E}tudes sur la Parole (JEP, 33e {\'e}dition), Traitement Automatique des Langues Naturelles (TALN, 27e {\'e}dition), Rencontre des {\'E}tudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (R{\'E}CITAL, 22e {\'e}dition). Volume 1 : Journ{\'e}es d'{\'E}tudes sur la Parole",
    month = "6",
    year = "2020",
    address = "Nancy, France",
    publisher = "ATALA et AFCP",
    url = "https://preview.aclanthology.org/fix-sig-urls/2020.jeptalnrecital-jep.41/",
    pages = "362--369",
    language = "fra",
    abstract = "Malgr{\'e} les avanc{\'e}s spectaculaires ces derni{\`e}res ann{\'e}es, les syst{\`e}mes de Reconnaissance Automatique de Parole (RAP) commettent encore des erreurs, surtout dans des environnements bruit{\'e}s. Pour am{\'e}liorer la RAP, nous proposons de se diriger vers une contextualisation d{'}un syst{\`e}me RAP, car les informations s{\'e}mantiques sont importantes pour la performance de la RAP. Les syst{\`e}mes RAP actuels ne prennent en compte principalement que les informations lexicales et syntaxiques. Pour mod{\'e}liser les informations s{\'e}mantiques, nous proposons de d{\'e}tecter les mots de la phrase trait{\'e}e qui pourraient avoir {\'e}t{\'e} mal reconnus et de proposer des mots correspondant mieux au contexte. Cette analyse s{\'e}mantique permettra de r{\'e}{\'e}valuer les N meilleures hypoth{\`e}ses de transcription (N-best). Nous utilisons les embeddings Word2Vec et BERT. Nous avons {\'e}valu{\'e} notre m{\'e}thodologie sur le corpus des conf{\'e}rences TED (TED-LIUM). Les r{\'e}sultats montrent une am{\'e}lioration significative du taux d{'}erreur mots en utilisant la m{\'e}thodologie propos{\'e}e."
}