[next] [prev] [prev-tail] [tail] [up]

Table des figures

 
1 Architecture générale d’un système de dialogue
1.1 Exemple de Modèle de Markov pour un phonème
2.1 Exemple d’un arbre d’analyse sémantique
2.2 Architecture reconnaissance/compréhension en une passe
2.3 Architecture reconnaissance/compréhension en deux passes
2.4 Processus de compréhension du système Philips
2.5 Application du ULM pour la compréhension d’une phrase avec la structure sémantique modélisée par les règles PCFG et quelques éléments lexicaux, tels que « la thèse terminée » par des N-grammes
3.1 Automate associé à l’expression régulière 3.2.4
3.2 Automate déterministe associé à l’expression régulière 3.2.4
3.3 Exemple d’automate A1 acceptant un langage L1
3.4 Exemple d’automate A2 acceptant un langage L2
3.5 Exemple d’automate A1∪2 union des automates A1 et A2
3.6 Exemple d’automate A1∪2 déterministe
3.7 Exemple d’automate A1∩2 intersection des automates A1 et A2
3.8 Exemple d’automate A1∩2 différence entre les automates A1 et A2
3.9 Exemple de transducteur T1
3.10 Exemple de transducteur T2
3.11 Exemple de transducteur T1∘2 résultant de la composition entre les transducteurs T1 et T2
3.12 Schéma simplifié d’un arbre de classification sémantique
3.13 Algorithme AdaBoost
3.14 Projection des données d’entrée dans un espace où elles sont linéairement séparables
3.15 Hyper-plan optimal et marge maximale
 
4.1 Répartition des phrases du corpus d’apprentissage AGS en fonction du nombre de mots qui les composent
4.2 Répartition des phrases de référence du corpus de test AGS en fonction du nombre de mots qui les composent
4.3 Répartition des phrases de référence du corpus d’apprentissage PlanResto en fonction du nombre de mots qui les composent
4.4 Répartition des phrases de référence du corpus de développement Planresto en fonction du nombre de mots qui les composent
4.5 Répartition des phrases de référence du corpus de test Planresto en fonction du nombre de mots qui les composent
4.6 Répartition des phrases de référence du corpus de développement Planresto en fonction du nombre de concepts qui les composent
4.7 Répartition des phrases de référence du corpus de test Planresto en fonction du nombre de concepts qui les composent
5.1 Exemple d’automate représentant le concept de lieu
5.2 Exemple d’automate représentant le concept de prix
5.3 Automate du modèle FILLER
5.4 Topologie de Tconcept
5.5 Automate du modèle FILLER acceptant au minimum un mot
5.6 Topologie finale de Tconcept
5.7 Exemple d’automate représentant le concept de lieu
5.8 Automate représentant les chemins à soustraire au FILLER
5.9 Modèle FILLER après soustraction de l’automate des lieux
5.10 Transducteur listant les chemins interdits pour le concept LIEU
5.11 Transducteur listant les chemins interdits pour le concept PRIX
5.12 Exemple de graphe de mots GW généré par le module RAP
5.13 Exemple d’un transducteur TWC correspondant à la composition d’un accepteur représentant un graphe de mots généré par le module RAP et un transducteur mots-concepts TConcept
5.14 Exemple d’accepteur GC obtenu en projetant le transducteur TWC sur les symboles de sortie
5.15 Liste des N-meilleures interprétations conceptuelles Ii avec leur accepteur correspondant GWi
5.16 Liste des N-meilleures interprétations (avec leur accepteurs correspondants) après application de relations sémantiques à la liste des N-meilleures de la figure 5.15
5.17 Comparaison du plus faible UER (Oracle UER) dans une liste des N-meilleures hypothèses et une liste structurée
5.18 Comparaison de la réduction d’erreur relative pour l’UER et le WER obtenue en choisissant manuellement l’hypothèse Oracle en fonction de l’UER dans une liste standard et structurée
5.19 Comparaison de la réduction d’erreur relative pour l’UER et le WER obtenue en choisissant manuellement l’hypothèse Oracle en fonction du WER dans une liste standard et structurée
5.20 Exemple de liste structurée
7.1 Stratégie d’interprétation par arbre de décision avec une Unité de Décision (DUi) validant l’interprétation Γ en accord avec Lnbest et le contexte du dialogue Dc
7.2 Procédé de validation de l’unité de décision DU1
7.3 Comparaison du score Sdu2 avec la mesure AC sur leur capacité à diagnostiquer un concept
7.4 Procédé de validation de l’unité de décision DU2
7.5 Stratégie d’interprétation avec les unités de décision DU1 et DU2
7.6 Résultats de la stratégie d’interprétation pour les unités de décision DU1 et DU2 sur le corpus de développement
7.7 Résultats de la stratégie d’interprétation pour les unités de décision DU1 et DU2 sur le corpus de test

[next] [prev] [prev-tail] [front] [up]