Regroupement des occurrences des mots hors-vocabulaire répétés en vue de leur modélisation pour la transcription d'émissions radio - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2010

Regroupement des occurrences des mots hors-vocabulaire répétés en vue de leur modélisation pour la transcription d'émissions radio

Abstract

This paper describes a novel technique to cluster Out-Of-Vocabulary (OOV) word tokens in a LVCSR system used for transcribing broadcast news speech data. The system is composed of two blocks: (1) an OOV word detector and (2) a clustering module working on the detected OOV word segments. This combination allows a more reliable detection of repeated OOV words than would be possible with the OOV detector only. In the paper we focus our attention on the second part of the system i.e. the cluster-ing algorithm. This algorithm is based on the estimation of the entropy. The proposed algorithm gives better per-formance than a classical incremental clustering algorithm based on a distance threshold.

Keywords

No file

Dates and versions

inria-00544140 , version 1 (07-12-2010)

Identifiers

  • HAL Id : inria-00544140 , version 1

Cite

Frederik Stouten, Irina Illina, Dominique Fohr. Regroupement des occurrences des mots hors-vocabulaire répétés en vue de leur modélisation pour la transcription d'émissions radio. 28ème Journées d'étude sur la parole - JEP'10, Université de Mons, May 2010, Mons, Belgique. ⟨inria-00544140⟩
67 View
0 Download

Share

Gmail Facebook X LinkedIn More