Découverte non supervisée de lexique à partir d'un corpus multimodal pour la documentation des langues en danger

Résumé : De nombreuses langues disparaissent tous les ans et ce à un rythme jamais atteint auparavant. Les linguistes de terrain manquent de temps et de moyens afin de pouvoir toutes les documenter et décrire avant qu’elles ne disparaissent à jamais. L’objectif de notre travail est donc de les aider dans leur tâche en facilitant le traitement des données. Nous proposons dans ce mémoire des méthodes d’extraction non supervisées de lexique à partir de corpus multimodaux incluant des signaux de parole et des images. Nous proposons également une méthode issue de la recherche d’information afin d’émettre des hypothèses de signification sur les éléments lexicaux découverts. Ce mémoire présente en premier lieu la constitution d’un corpus multimodal parole-image de grande taille. Ce corpus simulant une langue en danger permet ainsi de tester les approches computationnelles de découverte non supervisée de lexique. Dans une seconde partie, nous appliquons un algorithme de découverte non supervisée de lexique utilisant de l’alignement dynamique temporel segmental (S-DTW) sur un corpus multimodal synthétique de grande taille ainsi que sur un corpus multimodal d’une vraie langue en danger, le Mboshi.
Type de document :
Mémoires
Sciences de l'Homme et Société. 2017
Liste complète des métadonnées

Littérature citée [134 références]  Voir  Masquer  Télécharger

https://dumas.ccsd.cnrs.fr/dumas-01562024
Contributeur : Uga - Bulles <>
Soumis le : jeudi 13 juillet 2017 - 14:58:44
Dernière modification le : jeudi 11 janvier 2018 - 06:22:06
Document(s) archivé(s) le : vendredi 26 janvier 2018 - 18:14:03

Identifiants

  • HAL Id : dumas-01562024, version 1

Citation

William Havard. Découverte non supervisée de lexique à partir d'un corpus multimodal pour la documentation des langues en danger. Sciences de l'Homme et Société. 2017. 〈dumas-01562024〉

Partager

Métriques

Consultations de la notice

128

Téléchargements de fichiers

42