Search

International audience; no abstract

International audience; Most of the freely available parallel data to train the translation model of a statistical machine translation system comes from very specific sources (European parliament, United Nations, etc). Therefore, there is increasing interest in methods to perform an adaptation of the translation model. A popular approach is based on unsupervised training, also called self-enhancing. Both only use monolingual data to adapt the translation model. In this paper we extend the previous work and provide new insight in the existing methods. We report results on the translation between French and English. Improvements of up to 0.5 BLEU were observed with respect to a very competitive baseline trained on more than 280M words of human translated parallel data.

International audience; no abstract

International audience

International audience; This paper describes the development of French–English and English–French statistical machine translation systems for the 2011 WMT shared task evaluation. Our main systems were standard phrase-based statistical systems based on the Moses decoder, trained on the provided data only, but we also performed initial experiments with hierarchical systems. Additional, new features this year include improved translation model adaptation using monolingual data, a continuous space language model and the treatment of unknown words.

International audience; This paper presents a hybrid approach for Machine Translation (MT) based on Cross-language Information Retrieval (CLIR). This approach uses linguistic and statistical processing and does not need parallel corpora as linguistic resources. A first experimental evaluation of this approach has been done on the CESTA corpus and the obtained results seem good and encouraging. The next step is the TALK evaluation of the IWSLT2010 Workshop.

Automatic speech recognition (ASR) systems currently reach enough performance to be integrated in various applications (human-machine dialogue, information retrieval, automatic indexing ...). However, in the context of large vocabulary speech recognition, which is used eg for transcribing radio broadcast, the quality of transcripts varies depending on the type of speech contained in the documents. Indeed, the ASR system performance are much better when transcribing prepared speech, close to a read text . Transcribing pontaneous speech is much more dificult, as it is characterized by many features (disfluencies, ungrammaticality, decreased the fluidity of speech...). This thesis work is the treatment of spontaneous speech and is part of the EPAC project. The main objective is to propose solutions to improve the ASR performance on this type of speech. We chose to address in our work, spontaneous speech as a particular object of study requiring specific treatments. Thus, in a first step, we propose a tool for automatic detection of spontaneous speech, based on its specificities. This tool is very important because it allows us, in a second time, to propose an approach for acoustic and language model adaptation of the ASR system on spontaneous speech without adding data, by automatically selecting the segments containing this type of speech. The transcript resulting from this adaptation offers recognition hypotheses different from those provided by the base system. The combination of these two proposals transcription show a significant reduction of the word error rate. This need for specific solutions finally facing some of our work toward correcting a specific problem, especially present in French: homophony. We then seek to correct the transcripts provided by an ASR system, using a method offering specific solutions to specific problems of homophony. The approach focuses on correcting errors, to which a particular solution is proposed. This post-processing method of ASR systems corrects some classes of words and homophones, regardless of the ASR system used.; Les systèmes de Reconnaissance Automatique de la Parole (RAP) atteignent actuellement des performances suffisantes pour être intégrés dans diverses applications (dialogue homme-machine, recherche d'information, indexation automatique...). Cependant, dans le cadre de la reconnaissance automatique de la parole continue à grand vocabulaire, que l'on utilise par exemple pour transcrire des émissions radiophoniques d'information, la qualité des transcriptions varie selon le type de parole contenu dans les documents. En effet, les systèmes de RAP ont beaucoup plus de facilité à transcrire de la parole préparée, proche d'un texte lu, que de la parole spontanée, caractérisée par de nombreuses spécificités (disfluences, agrammaticalité, baisse de la fluidité de la parole...). Le travail de cette thèse vise le traitement de la parole spontanée et s'inscrit dans le cadre du projet EPAC (Exploration de masse de documents audio pour l'extraction et le traitement de la PArole Conversationnelle). L'objectif principal est de proposer des solutions pour améliorer les performances des systèmes de RAP sur ce type de parole. Nous avons choisi d'aborder, dans notre travail, la parole spontanée en tant qu'objet d'étude particulier nécessitant des traitements spécifiques. Ainsi, dans un premier temps, nous proposons un outil de détection automatique de la parole spontanée, basé sur les spécificités de ce type de parole. Cet outil est très important puisqu'il nous permet, dans un deuxième temps, de proposer une approche d'adaptation des modèles acoustiques et des modèles de langage du système de RAP à la parole spontanée sans ajout de données, en sélectionnant automatiquement les segments contenant ce type de parole. La transcription résultant de cette adaptation propose des hypothèses de reconnaissance différentes de celles fournies par le système de base. La combinaison de ces deux propositions de transcription permet d'observer une réduction significative du taux d'erreur-mot. Ce besoin de solutions spécifiques a finalement orienté une partie de notre travail vers la correction d'un problème particulièrement présent en français : l'homophonie. Nous cherchons alors à corriger les transcriptions, fournies par un système de RAP, au moyen d'une méthode proposant des solutions spécifiques à certains problèmes particuliers de l'homophonie. L'approche se focalise sur la correction de certaines erreurs, auxquelles une solution particulière est proposée. Cette méthode, en post-traitement des systèmes de RAP, corrige certains mots et classes de mots homophones, indépendamment du système de RAP utilisé.

International audience

International audience

Automatic speech recognition (ASR) systems currently reach enough performance to be integrated in various applications (human-machine dialogue, information retrieval, automatic indexing ...). However, in the context of large vocabulary speech recognition, which is used eg for transcribing radio broadcast, the quality of transcripts varies depending on the type of speech contained in the documents. Indeed, the ASR system performance are much better when transcribing prepared speech, close to a read text . Transcribing pontaneous speech is much more dificult, as it is characterized by many features (disfluencies, ungrammaticality, decreased the fluidity of speech...). This thesis work is the treatment of spontaneous speech and is part of the EPAC project. The main objective is to propose solutions to improve the ASR performance on this type of speech. We chose to address in our work, spontaneous speech as a particular object of study requiring specific treatments. Thus, in a first step, we propose a tool for automatic detection of spontaneous speech, based on its specificities. This tool is very important because it allows us, in a second time, to propose an approach for acoustic and language model adaptation of the ASR system on spontaneous speech without adding data, by automatically selecting the segments containing this type of speech. The transcript resulting from this adaptation offers recognition hypotheses different from those provided by the base system. The combination of these two proposals transcription show a significant reduction of the word error rate. This need for specific solutions finally facing some of our work toward correcting a specific problem, especially present in French: homophony. We then seek to correct the transcripts provided by an ASR system, using a method offering specific solutions to specific problems of homophony. The approach focuses on correcting errors, to which a particular solution is proposed. This post-processing method of ASR systems corrects some classes of words and homophones, regardless of the ASR system used., Les systèmes de Reconnaissance Automatique de la Parole (RAP) atteignent actuellement des performances suffisantes pour être intégrés dans diverses applications (dialogue homme-machine, recherche d'information, indexation automatique...). Cependant, dans le cadre de la reconnaissance automatique de la parole continue à grand vocabulaire, que l'on utilise par exemple pour transcrire des émissions radiophoniques d'information, la qualité des transcriptions varie selon le type de parole contenu dans les documents. En effet, les systèmes de RAP ont beaucoup plus de facilité à transcrire de la parole préparée, proche d'un texte lu, que de la parole spontanée, caractérisée par de nombreuses spécificités (disfluences, agrammaticalité, baisse de la fluidité de la parole...). Le travail de cette thèse vise le traitement de la parole spontanée et s'inscrit dans le cadre du projet EPAC (Exploration de masse de documents audio pour l'extraction et le traitement de la PArole Conversationnelle). L'objectif principal est de proposer des solutions pour améliorer les performances des systèmes de RAP sur ce type de parole. Nous avons choisi d'aborder, dans notre travail, la parole spontanée en tant qu'objet d'étude particulier nécessitant des traitements spécifiques. Ainsi, dans un premier temps, nous proposons un outil de détection automatique de la parole spontanée, basé sur les spécificités de ce type de parole. Cet outil est très important puisqu'il nous permet, dans un deuxième temps, de proposer une approche d'adaptation des modèles acoustiques et des modèles de langage du système de RAP à la parole spontanée sans ajout de données, en sélectionnant automatiquement les segments contenant ce type de parole. La transcription résultant de cette adaptation propose des hypothèses de reconnaissance différentes de celles fournies par le système de base. La combinaison de ces deux propositions de transcription permet d'observer une réduction significative du taux d'erreur-mot. Ce besoin de solutions spécifiques a finalement orienté une partie de notre travail vers la correction d'un problème particulièrement présent en français : l'homophonie. Nous cherchons alors à corriger les transcriptions, fournies par un système de RAP, au moyen d'une méthode proposant des solutions spécifiques à certains problèmes particuliers de l'homophonie. L'approche se focalise sur la correction de certaines erreurs, auxquelles une solution particulière est proposée. Cette méthode, en post-traitement des systèmes de RAP, corrige certains mots et classes de mots homophones, indépendamment du système de RAP utilisé.

Spontaneous speech detection from a large audio database can be useful for different applications. For example, processing spontaneous speech is one of the many challenges that Automatic Speech Recognition (ASR) systems have to deal with. Spontaneous speech detection can also be an informative descriptor for information retrieval.The main evidences characterizing spontaneous speech are disfluencies (filled pause, repetition, repair and false start) and many studies have focused on the detection and the correction of these disfluencies. In this study1 we define spontaneous speech as unprepared speech, in opposition to prepared speech where utterances contain well-formed sentences close to those that can be found in written documents. Disfluencies are of course very good indicators of unprepared speech, however they are not the only ones: ungrammaticality and language register are also important as well as prosodic patterns. This paper proposes a set of acoustic and linguistic features that can be used for characterizing and detecting spontaneous speech segments from large audio databases, and proposes a method to extract and to exploit these features in order to index audio documents with three speech spontaneity levels.

International audience; Most of spontaneous speech detection systems relies on dis-fluency analysis or on combination of acoustic and linguistic features. This paper presents a method that considers spontaneous speech as a specific language, which could be identified by using language-recognition methods, such as shifted delta cepstrum parameters, dimensionality reduction by linear dis-criminant analysis and factor-analysis based filtering process. Experiments are conducted on the French EPAC corpus. On a 3 spontaneity-level task, this approach obtains a relative gain of about 22% of identification rates, in comparison to the classical MFCC/GMM technique. Then, we combine these techniques to others previously proposed for spontaneous speech detection. Finally, the proposed system obtains a recognition rate of 65% on high spontaneous speech segments.

International audience; In this paper, we will focus on tutoring design in the context of online learning activities. Our problem concerns the computer support used by a designer to describe tutoring, as regards the specification of the tutors' roles and actions or the support tools for their activity. After presenting the limits of educational modeling languages in terms of tutoring, we will propose an organizational model of tutoring called TRITON. We will show its interest and its easy integration in EMLs through two case studies: IMS-LD and LDL, for which we propose an extension to enrich the tutoring scenario.

International audience; Within an educational context, adaptation could improve the learning's quality. Many researches are done in the learning-situations adaptation field. The Educational Modeling Languages (EML) and tools provided currently to the teacher for a learning design, as preexistent means in our sense, remain useless by practitioners. In our work we aim to support the practitioner teacher to design and adapt his/her learning scenarios which are by nature open, influenced by the context in which they are executed. The approach adopted is the combination between Model-Driven Engineering (MDE) and Domain-Specific Modeling (DSM). In this paper we present a model of open learning scenario. So we take the learning scenarios of Hop3x as a case study.

Le projet Iroplan (Cléder & Leroux 2008) rassemble des chercheurs en informatique et en sciences du langage du LIUM, ainsi que des enseignants du primaire manceaux autour de l'acquisition de la lecture. Il vise à construire des outils intelligents, partenaires des utilisateurs et supports de l'activité de compréhension en lecture. Actuellement le logiciel comporte trois modules : un module auteur dans lequel l'enseignant définit la séquence d'activités, un module élève pour dérouler les activités et un module de suivi pour que l'enseignant sache ce que les enfants ont fait. Le logiciel est déjà utilisé en classe par les enseignants impliqués dans le projet. Dans une perspective de diffusion et d'intégration de l'outil dans les classes, notre propos est d'accompagner élèves et enseignants à travers différentes problématiques : appropriation de l'outil, réflexion sur les usages, mise en place de parcours pédagogiques d'accompagnement au présentiel. Dans cet objectif, il apparaît pertinent d'analyser les polylogues (Kerbrat-Orecchioni 2004) qui se tissent entre élèves et enseignants, et élèves et pairs, avant et après l'arrivée de l'outil en classe. L'étude que nous présentons ici se centrera sur l'enseignant, ses interactions et les représentations qu'il a de sa classe et de sa pédagogie (Bouchard 1998), (Noyau & Quashie 2003). Notre démarche est de type ethnographique, elle comprend : 1) une période d'observations de classe (recueil sous format vidéo et analyse des interactions, mêlant actions verbales et non-verbales) ; 2) des entretiens avec les enseignants sur leurs représentations du rôle et de la place de l'outil en classe, par rapport à leurs propres gestes et pédagogie ; 3) un retour aux enseignants des séances observées et mise en place progressive d'activités en classe intégrant le logiciel. Les résultats attendus concernent : 1) la découverte de la spécificité de l'interaction didactique et pédagogique en situation d'apprentissage médiatisée dans une activité de compréhension écrite en classe de CP ; 2) une ouverture et/ou un renouvellement des pratiques enseignantes pour une didactique intégrant une ressource multimédia en classe ; 3) une suite pratique : la mise au point d'un carnet de route pour la prise en main par d'autres classes l'année suivante.

International audience; Content-based people clustering is a crucial step for people indexing within video documents. In this paper, we investigate the use of both face and clothing features. A method of extracting a keyface for each video sequence is proposed. An algorithm based on the average of the N-minimum pair distances between local invariant features is used in order to resolve the problem of face matching. An original method for clothing matching is proposed based on 3D histogram of the dominant color. A 3-levels hierarchical bottom-up clustering that combines local invariant features, skin color, 3D histogram and clothing texture is also described. Experiments and results show the efficiency of the proposed clustering system.

International audience; no abstract

International audience; no abstract

When no training or adaptation data is available, semisupervised training is a good alternative for processing new domains. We perform Bayesian training of a part-of-speech (POS) tagger from unannotated text and a dictionary of possible tags for each word. We complement that method with supervised prediction of possible tags for out-of-vocabulary words and study the impact of both semi-supervision and starting dictionary size on three representative downstream tasks (named entity tagging, semantic role labeling, ASR output postprocessing) that use POS tags as features. The outcome is no impact or a small decrease in performance compared to using a fully supervised tagger, with even potential gains in case of domain mismatch for the supervised tagger. Tasks that trust the tags completely (like ASR post-processing) are more affected by a reduction of the starting dictionary, but still yield positive outcome.

National audience; L'expérience LEA : vers une autre relation entre conception et pratiques

International audience; no abstract

International audience; no abstract

International audience; This paper presents an open-source diarization toolkit which is mostly dedicated to speaker and developed by the LIUM. This toolkit includes hierarchical agglomerative clustering methods using well-known measures such as BIC and CLR. Two applications for which the toolkit has been used are presented: one is for broadcast news using the ESTER 2 data and the other is for telephone conversations using the MEDIA corpus.

International audience; no abstract

International audience; no abstract

International audience; We present a generic algorithm to address various temporal segmentation topics of audiovisual contents such as speaker diarization, shot, or program segmentation. Based on a GLR approach, involving the ΔBIC criterion, this algorithm requires the value of only a few parameters to produce segmentation results at a desired scale and on most typical low-level features used in the field of content-based indexing. Results obtained on various corpora are of the same quality level than the ones obtained by other dedicated and state-of-the-art methods.

In context of Large-Vocabulary Continuous Speech Recognition, systems can reach a high level of performance when dealing with prepared speech, while their performance drops on spontaneous speech. This decrease is due to the fact that these two kinds of speech are marked by strong acoustic and linguistic differences. Previous research works had been done to detect and repair some peculiarities of spontaneous speech, as disfluencies, and to create specific models to improve recognition accuracy: a large amount of data is needed to see improvements and is expensive to collect. In this paper, we present a solution to create specialized acoustic and language models, by automatically extracting a data subset from the initial training corpus containing spontaneous speech, and adapting initial acoustic and linguistic models on it. As we assume these models can be complementary, we propose to combine general and adapted ASR system outputs. Experimental results show statistically significant gain, for a negligible cost (no additional training data and no human intervention).

International audience; no abstract

International audience

International audience; RÉSUMÉ : Le travail présenté dans cet article s'intéresse à la conception d'activités d'encadrement d'apprenants dans le cadre de Formation en Ligne (FEL). Notre problématique porte sur la question du soutien pour la conception d'une FEL et plus précisément l'assistance à la description de l'encadrement des apprenants dans le but de spécifier les rôles et interventions du tuteur ainsi que les outils supports à son activité. À partir d'une étude des travaux sur la prise en compte du tutorat dans des dispositifs d'apprentissage à distance, nous avons élaboré le modèle d'organisation du tutorat Triton et sa méthodologie d'utilisation. Nous montrons l'intérêt et la facilité de son intégration dans des langages de modélisation pédagogique (EML) à travers deux cas d'études que sont IMS-LD et LDL pour lesquels nous proposons une extension permettant d'enrichir le scénario d'encadrement. MOTS CLÉS : ingénierie pédagogique, formation en ligne, tutorat, scénario d'encadrement, standard, langage de modélisation pédagogique ABSTRACT : The research presented in this paper focuses on the design of tutoring activity in the context of distance learning environments. Our problematic concerns the assistance for describing the tutoring activity. We aim to specify roles and tutor involvement and also to describe the tools supporting this activity. Using tutoring activity research studies in distance learning environments, we propose a model of tutoring organisation, called Triton. We describe the methodology for using Triton. We propose to extend two EMLs (IMS-LD and LDL) based on Triton. These two cases of study show the interest to enrich the tutoring scenario of the EMLS.

International audience; no abstract

International audience; no abstract

International audience; no abstract

International audience; no abstract

International audience; no abstract

Actes de l'atelier "Instrumentation des activités du tuteur, environnements de supervision, usages et ingénierie"; International audience; L’instrumentation des activités du tuteur en ligne passe par la définition d’outils de perception des cheminements des apprenants dans le dispositif de formation médiatisé. L’objectif est de définir des interfaces homme-machine permettant de naviguer selon différents points de vue dans l’ensemble des traces et des phénomènes liés au processus de formation. Cette démarche est à rapprocher des travaux sur la conception de systèmes de supervision de processus industriel ; les opérateurs humains y effectuent des tâches de surveillance et de contrôle de l’évolution des variables liées à un processus dynamique. Dans les deux cas, les interfaces jouent un rôle essentiel dans la qualité de la tâche de supervision. Cette communication présente une première comparaison entre les domaines du suivi de formation et de la supervision en milieu industriel en termes de problématique de supervision, de modélisation des tâches de supervision et d’instrumentation des opérateurs. Les perspectives concernent un cadre méthodologique pour la conception et l’évaluation d’IHM de supervision en EIAH.

International audience; no abstract

International audience; no abstract

International audience; This paper presents an on-going work about the design of monitoringhuman-machine interfaces (HMI) in the domain of distance training course.The objective is to define interactive tools that facilitate the task of the onlineteacher. The teacher needs to see the path and the contributions of thelearners in the Learning Management System (LMS). The hypothesis is thatthe approach has strong analogies with design of HMI for industrialsupervisory control, where human operators perform supervisory andmonitoring tasks concerning variables related to a dynamic process. In bothcases, HMI plays a key role in the quality of the human-machine system.The paper presents a comparison between both areas (training monitoringand industrial supervisory control): problematics, task modelling, toolsdesign. Perspectives concern a methodological framework for HMI designand evaluation in the context of supervisory control in distance course

International audience; For some years, processing mass of multimedia documents has become a very crucial issue for applications like indexation or information retrieval. Among the focused information, speaker identity can be very useful for such applications. A huge collection of documents cannot be manually processed with a reasonable cost: only automatic systems are a relevant solution.In this paper, we consider the extraction of speaker identity (firstname and lastname) from audio records of broadcast news. Using a rich transcription system, we present a method which allows to extract speaker identities from automatic transcripts and to assign them to speaker turns. Experiments are carried out on French broadcast news records from the ESTER 1 phase II evaluation campaign.; Depuis quelques années, le traitement de très grandes collections de documents mul-timédias devient crucial pour certaines applications comme les systèmes d'indexation ou de recherche documentaire. Mais ces collections ne peuvent être traitées manuellement avec un coût raisonnable : seuls les systèmes automatiques apportent une solution viable. Dans ce document , nous traiterons de l'extraction automatique de l'identité du locuteur (prénom et pa-tronyme) présente dans les enregistrements sonores. À partir des résultats d'un système de transcription enrichie, nous présentons une méthode qui vise à extraire l'identité des locuteurs de la transcription et à l'assigner aux différents tours de parole. Le système a été évalué sur des enregistrements radiophoniques provenant de la campagne d'évaluation ESTER 1 phase II.

International audience; no abstract

International audience; Cet article traite du rôle des représentations initiales construites par les utilisateurs d'un dispositif de formation en ligne dans le processus d'appropriation de celui-ci. Il s'agit d'identifier les représentations construites en début de formation et d'analyser le rôle joué par celles-ci dans la découverte du contexte d'action ainsi que dans sa progressive maîtrise. Elles apparaissent décisives en ce qu'elles permettent de réinvestir l'expérience antérieure, de construire une distance par rapport à ces dernières, d'anticiper sur les usages à développer en projetant des schèmes d'action. Elles permettent aussi de construire un espace virtuel de dialogue avec les différents partenaires (tuteur, étudiants, groupe de pairs supposés) ; enfin c'est également à travers elle que va se développer et se modifier une image de soi sur laquelle repose finalement la motivation et la stabilisation d'un répertoire de compétences.

International audience; no abstract

International audience; no abstract

This paper describes a recently developed method for computing a consensus translation from the outputs of multiple machine translation (MT) systems. A possibly new translation hypothesis can be produced as a result of this system combination algorithm. The consensus translation is computed by creating a confusion network and performing weighted majority voting, similarly to the well-established ROVER approach of (Fiscus 1997) for combining speech recognition hypotheses. To create the confusion network, pairwise word alignments of the original machine translation hypotheses are learned by using an enhanced statistical alignment algorithm that explicitly models word reordering. This is the first known application of this algorithm in the context of system combination. The context of a whole document of translations rather than a single sentence is taken into account to improve the alignment quality. The proposed alignment and voting approach was evaluated on several machine translation tasks, including a large vocabulary task. The method was also tested in the framework of multi- source and speech translation. Significant improvements in translation quality were achieved on all tasks. Here, we report experimental results for combining MT systems participating in the TC-STAR (speech translation) Project.

International audience; We evaluate in this paper how the hypothesis that basic video and audio features present homogeneous values during programs can be exploited by a GLR-BIC segmentation algorithm to identify programs in days of television contents. The homogeneity criterion is evaluated by the ability to describe this feature values with a Gaussian law. On the base of results obtained from rough audio and video features, this paper evaluates the improvement obtained by an early fusion of these features, and by a prior usage of the existence of monochromatic frames in commercials.

International audience; In this paper, a Project-Based Collaborative Learning (PBCL) meta-model is proposed. It allows a teacher to build up a PBCL scenario and to implement it in a learning system which is not designed to this learning method. A MDA (Model Driven Architecture) approach is described to elaborate transformation rules between the PBCL meta-model and that of the learning system. Moodle platform, used in the UIT of Laval, is the chosen case study.

International audience; Mistral is an open source software for biometrics ap- plications. This software, based on the well-known UBM/GMM approach, also includes the latest deve- lopments in speaker recognition such as latent factor analysis and unsupervised adaptation, or SVM super- vectors. The software performance is demonstrated within the framework of the NIST evaluation cam- paigns. Several applications, like speaker diarization, embedded speaker recognition, language recognition, and pathological voice assessment are also presented.

International audience; In the context of conversational speech, we present a hybrid speaker diarization system based on the combination of the LIUM and IRIT systems. It contains a first step of speech detection followed by speaker segmentation. Then we apply a speaker clustering in two steps: a first clustering based on Bayesian Information Criterion (BIC) is followed by a clustering based on the Cross Likelihood Ratio (CLR). Moreover, we make some improvements by optimizing clustering thresholds and by purifying the BIC clustering using feature F0. Results show this hybrid system is suitable on one hand for traditional corpus as ESTER and on the other hand for conversational data as used in EPAC project.; Dans le contexte du discours conversationnel, nous présentons un système hybride de segmentation et regroupement en locuteurs utilisant la combinaison des systèmes du LIUM et de IRIT. Il contient une première étape de détection de la parole suivie d'une segmentation en locuteurs. Ensuite, nous appliquons un regroupement en locuteurs en deux étapes: un premier regroupement basé sur BIC (Bayesian Information Criterion) est suivi par un regroupement basé sur le CLR (cross likelihood ratio). De plus, nous apportons quelques améliorations en optimisant les seuils de regroupement et en purifiant le regroupement BIC à l'aide de la F0. Les résultats montrent que ce système hybride est approprié d'une part pour le corpus traditionnel comme ESTER et d'autre part pour les données conversationnelles telles qu'utilisées dans le projet EPAC.

National audience; In this paper, we propose an integrated approach for system combination named Driven Decoding Algorithm (DDA). It consists in guiding the search algorithm of a primary ASR system by the outputs of a auxiliary systems. We first evaluate this method in simple configuration in which the primary search is driven by the one-best hypothesis of a single auxiliary system. Then, we generalize DDA to confusion-network driven decoding and we propose a general combination schemes for multiple system combination. The proposed extended DDA is evaluated using 3 ASR systems from different labs. Results show that generalized-DDA outperforms significantly ROVER method : we obtain a 15.7% relative word error rate improvement with respect to the best single system, as opposed to 8.5% with the ROVER combination.