Ajout de nouveaux noms propres au vocabulaire d’un système de transcription en utilisant un corpus diachronique

Les noms propres sont souvent indispensables pour comprendre l’information contenue dans un document. Notre travail se concentre sur l’augmentation automatique du vocabulaire d’un système de transcription automatique de la parole (RAP) à partir d’un corpus diachronique. Nous faisons l’hypothèse que certains noms propres apparaissent dans des documents relatifs à la même période temporelle et dans des contextes lexicaux similaires. Trois méthodes de sélection de noms propres sont proposées pour augmenter de façon dynamique le vocabulaire en utilisant des informations lexicales et temporelles. Les méthodes sont fondées sur des statistiques de cooccurrences dans des fenêtres de taille fixe, sur l’information mutuelle et sur le modèle vectoriel. Différents paramètres de sélection de noms propres sont également étudiés afin de limiter l’augmentation du vocabulaire. Les résultats de reconnaissance montrent une réduction significative du taux d’erreur de noms propres en utilisant un vocabulaire augmenté.