Jochre, océrisation par apprentissage automatique : étude comparée sur le yiddish et l'occitan

Résumé : Pour constituer des bases de textes pour des langues peu dotées comme le yiddish et l'occitan, il faut créer des outils et des ressources permettant une reconnaissance optique de caractères (océrisation) de qualité. Une des difficultés principales à surmonter pour ces deux langues est leur grande variation graphique (et dialectale pour l'occitan). Il est généralement admis qu'un lexique augmente la qualité de l'océrisation, mais la façon dont il faut tenir compte de la variation au sein du lexique n'est pas toujours clair. Dans cette étude, nous avons utilisé un logiciel d'apprentissage automatique supervisé, Jochre. Nous comparons plusieurs façons de constituer et d'utiliser les lexiques. La meilleure méthode nous permet d'atteindre une exactitude de 91,2 % (mots) et 97,4 % (lettres) sur le corpus yiddish, et de 93,2 % (mots) et 97,9 % (lettres) pour le corpus occitan.
Type de document :
Communication dans un congrès
TALARE 2013 : Traitement automatique des langues régionales de France et d'Europe, Jun 2013, Les Sables d'Olonne, France. pp.221, 2013
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger

https://hal-univ-tlse2.archives-ouvertes.fr/hal-00979665
Contributeur : Assaf Urieli <>
Soumis le : mercredi 16 avril 2014 - 20:12:51
Dernière modification le : mercredi 23 mai 2018 - 17:58:04
Document(s) archivé(s) le : lundi 10 avril 2017 - 14:32:04

Fichier

talare-2013-long-004.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-00979665, version 1

Collections

Citation

Assaf Urieli, Marianne Vergez-Couret. Jochre, océrisation par apprentissage automatique : étude comparée sur le yiddish et l'occitan. TALARE 2013 : Traitement automatique des langues régionales de France et d'Europe, Jun 2013, Les Sables d'Olonne, France. pp.221, 2013. 〈hal-00979665〉

Partager

Métriques

Consultations de la notice

480

Téléchargements de fichiers

254