Reconnaissance thématique à partir de textes dictés et Adaptation dynamique de modèles de langages thématiques
Fiche du document
2000
- handle: 10670/1.8g51qz
- hal: hal-01392244
http://hal.archives-ouvertes.fr/licences/copyright/ , info:eu-repo/semantics/OpenAccess
Mots-clés
Topic identificationSujets proches
Field guides Keys (Identification guides) Identification guides Records, Sports Athletics--Records Sports--Records Natural science Sciences Science of science Esteem Deference Sports ability French Republic Cinética Performance Happening Cinématique Dynamique Spectateurs Public Auditoire Assistance (public) Visiteurs Fréquentation Audience Réussite sportive Performance Succès sportif Performance sportive Considération Déférence Égard Information de presse Nouvelles (journalisme) Informations Sciences pures Sciences exactes Sciences fondamentales République française Royaume de France Royaume de France (987-1791)Citer ce document
Brigitte Bigi et al., « Reconnaissance thématique à partir de textes dictés et Adaptation dynamique de modèles de langages thématiques », HAL-SHS : sciences de l'information, de la communication et des bibliothèques, ID : 10670/1.8g51qz
Métriques
Partage / Export
Résumé
A robust strategy for dynamic language model selection, based on topic recognition and switching between topic models, is proposed. It is effective because it relies on a small set of well trained topic-dependent language models and on reliable topic recognition. By using perplexity as a performance measure of the LM switching model, a tangible reduction is observed with respect to the use of a single, general, static LM. Different methods are proposed for topic shift detection. Experimental results show that different strategies for topic shift detection have to be used depending on whether high recall or high precision are sought.