Chunker différents types de discours oraux : défis pour l’apprentissage automatique
Iris Eshkol-Taravella, Mariame Maarouf, Marie Skrovec, Flora Badin
Résumé : Le travail décrit le développement d’un chunker pour l’oral par apprentissage supervisé avec les CRFs, à partir d’un corpus de référence de petite taille et composé de productions de nature différente : monologue préparé vs discussion spontanée. La méthodologie respecte les spécificités des données traitées. L’apprentissage tient compte des résultats proposés par différents étiqueteurs morpho-syntaxiques disponibles sans correction manuelle de leurs résultats. Les expériences montrent que le genre de discours (monologue vs discussion), la nature de discours (spontané vs préparé) et la taille du corpus peuvent influencer les résultats de l’apprentissage, ce qui confirme que la nature des données traitées est à prendre en considération dans l’interprétation des résultats.
Mots clés : chunking, apprentissage supervisé, CRF, segmentation automatique de l’oral, corpus oral, variation discursive, genre