@inproceedings{jamoussi-etal-2003-vers,
title = "Vers la compr{\'e}hension automatique de la parole : extraction de concepts par r{\'e}seaux bay{\'e}siens",
author = {Jamoussi, Salma and
Sma{\"\i}li, Kamel and
Haton, Jean-Paul},
editor = "Daille, B{\'e}atrice and
Morin, Emmanuel",
booktitle = "Actes de la 10{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
month = jun,
year = "2003",
address = "Batz-sur-Mer, France",
publisher = "ATALA",
url = "https://aclanthology.org/2003.jeptalnrecital-long.15",
pages = "165--174",
abstract = "La compr{\'e}hension automatique de la parole peut {\^e}tre consid{\'e}r{\'e}e comme un probl{\`e}me d{'}association entre deux langages diff{\'e}rents. En entr{\'e}e, la requ{\^e}te exprim{\'e}e en langage naturel et en sortie, juste avant l{'}{\'e}tape d{'}interpr{\'e}tation, la m{\^e}me requ{\^e}te exprim{\'e}e en terme de concepts. Un concept repr{\'e}sente un sens bien d{\'e}termin{\'e}. Il est d{\'e}fini par un ensemble de mots partageant les m{\^e}mes propri{\'e}t{\'e}s s{\'e}mantiques. Dans cet article, nous proposons une m{\'e}thode {\`a} base de r{\'e}seau bay{\'e}sien pour l{'}extraction automatique des concepts ainsi que trois approches diff{\'e}rentes pour la repr{\'e}sentation vectorielle des mots. Ces repr{\'e}sentations aident un r{\'e}seau bay{\'e}sien {\`a} regrouper les mots, construisant ainsi la liste ad{\'e}quate des concepts {\`a} partir d{'}un corpus d{'}apprentissage. Nous conclurons cet article par la description d{'}une {\'e}tape de post-traitement au cours de laquelle, nous {\'e}tiquetons nos requ{\^e}tes et nous g{\'e}n{\'e}rons les commandes SQL appropri{\'e}es validant ainsi, notre approche de compr{\'e}hension.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="jamoussi-etal-2003-vers">
<titleInfo>
<title>Vers la compréhension automatique de la parole : extraction de concepts par réseaux bayésiens</title>
</titleInfo>
<name type="personal">
<namePart type="given">Salma</namePart>
<namePart type="family">Jamoussi</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Kamel</namePart>
<namePart type="family">Smaïli</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Jean-Paul</namePart>
<namePart type="family">Haton</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2003-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 10ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs</title>
</titleInfo>
<name type="personal">
<namePart type="given">Béatrice</namePart>
<namePart type="family">Daille</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Emmanuel</namePart>
<namePart type="family">Morin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Batz-sur-Mer, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>La compréhension automatique de la parole peut être considérée comme un problème d’association entre deux langages différents. En entrée, la requête exprimée en langage naturel et en sortie, juste avant l’étape d’interprétation, la même requête exprimée en terme de concepts. Un concept représente un sens bien déterminé. Il est défini par un ensemble de mots partageant les mêmes propriétés sémantiques. Dans cet article, nous proposons une méthode à base de réseau bayésien pour l’extraction automatique des concepts ainsi que trois approches différentes pour la représentation vectorielle des mots. Ces représentations aident un réseau bayésien à regrouper les mots, construisant ainsi la liste adéquate des concepts à partir d’un corpus d’apprentissage. Nous conclurons cet article par la description d’une étape de post-traitement au cours de laquelle, nous étiquetons nos requêtes et nous générons les commandes SQL appropriées validant ainsi, notre approche de compréhension.</abstract>
<identifier type="citekey">jamoussi-etal-2003-vers</identifier>
<location>
<url>https://aclanthology.org/2003.jeptalnrecital-long.15</url>
</location>
<part>
<date>2003-06</date>
<extent unit="page">
<start>165</start>
<end>174</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Vers la compréhension automatique de la parole : extraction de concepts par réseaux bayésiens
%A Jamoussi, Salma
%A Smaïli, Kamel
%A Haton, Jean-Paul
%Y Daille, Béatrice
%Y Morin, Emmanuel
%S Actes de la 10ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
%D 2003
%8 June
%I ATALA
%C Batz-sur-Mer, France
%G French
%F jamoussi-etal-2003-vers
%X La compréhension automatique de la parole peut être considérée comme un problème d’association entre deux langages différents. En entrée, la requête exprimée en langage naturel et en sortie, juste avant l’étape d’interprétation, la même requête exprimée en terme de concepts. Un concept représente un sens bien déterminé. Il est défini par un ensemble de mots partageant les mêmes propriétés sémantiques. Dans cet article, nous proposons une méthode à base de réseau bayésien pour l’extraction automatique des concepts ainsi que trois approches différentes pour la représentation vectorielle des mots. Ces représentations aident un réseau bayésien à regrouper les mots, construisant ainsi la liste adéquate des concepts à partir d’un corpus d’apprentissage. Nous conclurons cet article par la description d’une étape de post-traitement au cours de laquelle, nous étiquetons nos requêtes et nous générons les commandes SQL appropriées validant ainsi, notre approche de compréhension.
%U https://aclanthology.org/2003.jeptalnrecital-long.15
%P 165-174
Markdown (Informal)
[Vers la compréhension automatique de la parole : extraction de concepts par réseaux bayésiens](https://aclanthology.org/2003.jeptalnrecital-long.15) (Jamoussi et al., JEP/TALN/RECITAL 2003)
ACL