@inproceedings{Eshkol-Taravella-Barbedette-Liu-Soumah:TALN:2022,
    author = "Eshkol-Taravella, Iris and Barbedette, Ang\`ele and Liu, Xingyu and Soumah, Valentin-Gabriel",
    title = "Classification automatique de questions spontan\'ees vs. pr\'epar\'ees dans des transcriptions de l'oral",
    booktitle = "Actes de la 29e Conf\'erence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf\'erence principale / Traduction de soumissions en cours \`a des conf\'erences internationales",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "36-45",
    note = "Automatic Classification of Spontaneous vs",
    abstract = "Ce travail a pour objectif de d\'evelopper un mod\`ele linguistique pour classifier automatiquement des questions issues de transcriptions d'enregistrements provenant des corpus ESLO2 et ACSYNT en deux cat\'egories ''spontan\'e'' et ''pr\'epar\'e''. Avant de proc\'eder au traitement automatique, nous proposons une liste de crit\`eres d\'efinitoires et discriminants permettant de distinguer les questions parmi d'autres \'enonc\'es. Les exp\'eriences bas\'ees sur des m\'ethodes d'apprentissage supervis\'e sont r\'ealis\'ees selon une classification multiclasse comprenant les cat\'egories ''spontan\'e'', ''pr\'epar\'e'' et ''non-question'' et selon une classification binaire incluant les cat\'egories ''spontan\'e'' et ''pr\'epar\'e'' uniquement. Les meilleurs r\'esultats pour les m\'ethodes traditionnelles d'apprentissage automatique sont obtenus avec une r\'egression logistique combin\'ee aux crit\`eres linguistiques significatifs uniquement (F-score de 0.75). Pour finir, nous mettons en parall\`ele ces r\'esultats avec ceux obtenus en utilisant des techniques d'apprentissage profond.",
    keywords = "classification de questions, discours spontan\'e, discours pr\'epar\'e, corpus oral, appren-  tissage supervis\'e.",
    url = "http://talnarchives.atala.org/TALN/TALN-2022/2331.pdf"
}