@inproceedings{pellegrini-etal-2016-reseau,
    title = "R{\'e}seau de neurones convolutif pour l'{\'e}valuation automatique de la prononciation ({CNN}-based automatic pronunciation assessment of {J}apanese speakers learning {F}rench )",
    author = "Pellegrini, Thomas  and
      Fontan, Lionel  and
      Sahraoui, Halima",
    editor = "Danlos, Laurence  and
      Hamon, Thierry",
    booktitle = "Actes de la conf{\'e}rence conjointe JEP-TALN-RECITAL 2016. volume 1 : JEP",
    month = "7",
    year = "2016",
    address = "Paris, France",
    publisher = "AFCP - ATALA",
    url = "https://preview.aclanthology.org/jlcl-multiple-ingestion/2016.jeptalnrecital-jep.70/",
    pages = "624--632",
    language = "fra",
    abstract = "Dans cet article, nous comparons deux approches d'{\'e}valuation automatique de la prononciation de locuteurs japonophones apprenant le fran{\c{c}}ais. La premi{\`e}re, l`algorithme standard appel{\'e} Goodness Of Pronunciation (GOP), compare les vraisemblances obtenues lors d`un alignement forc{\'e} et lors d`une reconnaissance de phones sans contrainte. La deuxi{\`e}me, n{\'e}cessitant {\'e}galement un alignement pr{\'e}alable, fait appel {\`a} un r{\'e}seau de neurones convolutif (CNN) comme classifieur binaire, avec comme entr{\'e}e des trames de coefficients spectraux. Les deux approches sont {\'e}valu{\'e}es sur deux phon{\`e}mes cibles /R/ et /v/ du fran{\c{c}}ais, particuli{\`e}rement difficiles {\`a} prononcer pour des Japonophones. Les param{\`e}tres du GOP (seuils) et du CNN sont estim{\'e}s sur un corpus de parole lue par des locuteurs natifs du fran{\c{c}}ais, dans lequel des erreurs de prononciation artificielles sont introduites. Un gain de performance relatif de 13,4{\%} a {\'e}t{\'e} obtenu avec le CNN, avec une pr{\'e}cision globale de 72,6{\%}, sur un corpus d'{\'e}valuation enregistr{\'e} par 23 locuteurs japonophones."
}