This HTML5 document contains 30 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

n2:id

rdf:type

rdac:C10001 frbr:Work

marcrel:ths

n12:id n17:id

marcrel:aut

n5:id

skos:altLabel

Robust understanding of the spontaneous speech in spoken human-computer dialog conceptual stochastic decoding

dc:subject

Modélisation stochastique Thèses et écrits académiques Dialogue oral Compréhension robuste ommunication homme-machine Segments conceptuels Parole spontanée Interaction homme-machine Communication orale Interaction humain-machine Modèles de langage

skos:prefLabel

Compréhension robuste de la parole spontanée dans le dialogue oral homme-machine, décodage conceptuel stochastique

dcterms:language

n9:fra

dcterms:subject

n7:id n11:id n15:id

dc:title

Compréhension robuste de la parole spontanée dans le dialogue oral homme-machine, décodage conceptuel stochastique

marcrel:dgg

n8:id

skos:note

La problématique de la thèse concerne l'élaboration d'un modèle de compréhension littérale robuste de la parole spontanée dans un contexte d'application finalisée. Le mémoire expose d'abord la problématique de la compréhension robuste. Nous présentons ensuite notre modélisation fondée sur une approche stochastique et conceptuelle. Nous présentons les principes retenus pour l'élaboration de deux modèles de langage de granularité différente. Puis, nous proposons des extensions de notre modèle afin de faire face à la présence de mots mal reconnus et d'optimiser la compréhension en considérant le contexte du dialogue... The thesis problematic concerns the elaboration of a robust literal understanding model of spontaneous speech in the context of task-oriented application. The report first set out robust understanding of spontaneous speech problematic. Then, we present our modelling based on a stochastic and conceptual approach. We describe the principles retained for the conception of two language models with different granularities. We then propose extensions to our model in order to face the presence of unknown or misrecognized words from recognition string, and to optimise the understanding process, while taking into account the knowledge of the dialog context...

dc:type

Text

n20:P1001

n21:T1009

rdaw:P10219

2002

rdau:P60049

n19:1020