Un modèle syllabique du français et de l’anglais pour la reconnaissance de l’écriture

Wassim Swaileh; Thierry Paquet

Document numérique 2016/2-3 Vol. 19

Article de revue

Un modèle syllabique du français et de l’anglais pour la reconnaissance de l’écriture

Par Wassim Swaileh
et Thierry Paquet

Pages 117 à 134

SWAILEH, Wassim
et PAQUET, Thierry,

2016. Un modèle syllabique du français et de l’anglais pour la reconnaissance de l’écriture. Document numérique, 2016/2-3 Vol. 19, p.117-134. URL : https://stm.cairn.info/revue-document-numerique-2016-2-page-117?lang=fr.

Swaileh, Wassim.
et al.

« Un modèle syllabique du français et de l’anglais pour la reconnaissance de l’écriture ». Document numérique, 2016/2-3 Vol. 19, 2016. p.117-134. CAIRN.INFO, stm.cairn.info/revue-document-numerique-2016-2-page-117?lang=fr.

Swaileh, W.
et Paquet, T.

(2016). Un modèle syllabique du français et de l’anglais pour la reconnaissance de l’écriture. Document numérique, . 19(2), 117-134. https://stm.cairn.info/revue-document-numerique-2016-2-page-117?lang=fr.

Tableau 1

Tableau comparatif de mots en français et anglais avec syllabation proposée.

<div> <body> <div class="page"> <table> <tbody> <tr> <td></td> <th>Mot requete</th> <th>Candidat de lexique3, et sa syllabation</th> <th>Syllabation proposee</th> </tr> <tr> <td>FR</td> <td>Bonjour</td> <td>Toujours (Tou-jours)</td> <td>Bon-jour</td> </tr> <tr> <td></td> <td>Derogatoire</td> <td>Dédicatoire —→ (de-di-ca-toi-re)</td> <td>de-ro-ga-toi-re</td> </tr> <tr> <td>EN</td> <td>Moved</td> <td>Moped → (mo-ped)</td> <td>mo-ved</td> </tr> <tr> <td></td> <td>Answering</td> <td>anglewing —→ (an-gle-wing)</td> <td>An-swe-ring</td> </tr> </tbody> </table> </div> </body> </div>

Exemples de mots syllabés par la méthode proposée

Figure 1

Description de l'image par IA : Graphique montrant les taux de couverture des mots RIMES et IAM par les lexiques de mots et de syllabes de Wikipédia FR & EN.

L'image est un graphique linéaire comparant les taux de couverture de la base RIMES et IAM par les lexiques de mots et de syllabes de Wikipédia en français (FR) et en anglais (EN). L'axe des x représente différents ensembles de mots les plus fréquents de Wikipédia, allant de 3K-mots à RIMES/IAM. L'axe des y montre le taux de couverture en pourcentage, allant de 68% à 100%. Quatre lignes sont tracées sur le graphique : 1. Une ligne bleue représentant le taux de couverture des mots de RIMES par les mots de Wikipédia. 2. Une ligne rouge représentant le taux de couverture des mots de RIMES par les syllabes de Wikipédia. 3. Une ligne orange représentant le taux de couverture des mots de IAM par les mots de Wikipédia. 4. Une ligne verte représentant le taux de couverture des mots de IAM par les syllabes de Wikipédia. Les tendances montrent que les taux de couverture augmentent généralement à mesure que le nombre de mots augmente. Les lignes verte et rouge (IAM et RIMES avec syllabes de Wikipédia) semblent avoir des taux de couverture plus élevés que les lignes bleue et orange (mots de Wikipédia) pour la plupart des ensembles de mots. Les taux de couverture atteignent presque 100% pour les ensembles de mots les plus importants (ALL-Wiki et RIMES/IAM).

Taux de couverture de la base RIMES, respectivement IAM, par les lexiques de mots et de syllabes de Wikipédia français (FR) et anglais (EN)

Figure 2

Description de l'image par IA : Graphique comparant la taille de différents lexiques de mots et de syllabes en français et en anglais.

L'image est un graphique à barres comparant la taille de différents lexiques de syllabes dérivés de lexiques de mots de Wikipédia. L'axe des x représente le nombre de lexiques, allant de 0 à 60000. L'axe des y liste différents ensembles de données : 60K-Wiki, 40K-Wiki, 20K-Wiki, 10K-Wiki, RIMES+HAM, IAM, et RIMES. Les barres sont codées par couleur pour représenter différents types de syllabes : - Bleu pour "mots" - Rouge pour "syllabes (EN)" - Orange pour "syllabes (FR)" - Vert pour "syllabes (FR+EN)" Les lexiques 60K-Wiki et 40K-Wiki ont les tailles les plus importantes en termes de mots, suivis par 20K-Wiki et 10K-Wiki. Les lexiques RIMES+HAM, IAM, et RIMES sont plus petits en comparaison. Chaque type de syllabe est représenté dans chaque lexique, mais la proportion varie. Les syllabes en anglais (rouge) et en français (orange) sont présentes dans tous les lexiques, tandis que les syllabes en français et en anglais (vert) apparaissent principalement dans les lexiques RIMES+HAM et IAM.

Taille des lexiques de syllabes dérivés des lexiques mots Wikipédia

Figure 3

Description de l'image par IA : Graphique montrant le taux d'erreur de mots (WER%) en fonction du seuil de syllabation (T) pour deux méthodes de reconnaissance.

L'image est un graphique comparant le taux d'erreur de mots (WER) en pourcentage pour différentes valeurs de T (Seuil de syllabation). L'axe des x représente les valeurs de T allant de 0.5 à 1, tandis que l'axe des y montre le taux d'erreur de mots en pourcentage, allant de 20% à 28%. Deux courbes sont représentées : 1. Une courbe bleue intitulée "WER sur RIMES". 2. Une courbe rouge intitulée "WER sur IAM". La courbe bleue (WER sur RIMES) commence à environ 20.5% pour T = 0.5 et augmente progressivement pour atteindre environ 22.5% pour T = 1. La courbe rouge (WER sur IAM) commence à environ 26% pour T = 0.5 et montre une légère augmentation jusqu'à environ 26.5% pour T = 0.75. Ensuite, elle continue d'augmenter régulièrement pour atteindre environ 27.5% pour T = 1. Les deux courbes montrent une tendance générale à l'augmentation du taux d'erreur de mots à mesure que le seuil de syllabation (T) augmente.

Taux d’erreur de mots (WER%) pour chaque valeur de T

Figure 4

Description de l'image par IA : Graphique montrant le nombre de mots de différentes longueurs en fonction de T, avec des barres colorées représentant les syllabes.

L'image montre plusieurs histogrammes empilés représentant le nombre de mots en fonction du nombre de syllabes, en utilisant la base RIMES. Chaque histogramme correspond à une valeur spécifique de T (de 0,55 à 1). Les couleurs différentes dans chaque histogramme indiquent des mots avec un nombre spécifique de syllabes, allant des unisyllabes aux 17-syllabes. Les histogrammes montrent une distribution variable du nombre de mots pour chaque catégorie de syllabes à travers les différentes valeurs de T. Les couleurs sont codées pour représenter des plages de syllabes spécifiques, avec des légendes à droite pour indiquer le nombre de syllabes correspondant à chaque couleur. Les histogrammes montrent une tendance générale où les mots avec un nombre moyen de syllabes (6 à 8 syllabes) sont les plus fréquents, tandis que les mots avec des extrêmes (1 à 3 syllabes ou 14 à 17 syllabes) sont moins fréquents.

Histogrammes du nombre de syllabes par mots en fonction de T (base RIMES)

Figure 5

Description de l'image par IA : Graphique montrant la distribution des mots selon le nombre de syllabes pour différents niveaux de T (base IAM).

L'image représente plusieurs histogrammes montrant le nombre de mots en fonction du nombre de syllabes pour différentes valeurs de T (base IAM). Chaque histogramme est divisé en segments colorés représentant un nombre spécifique de syllabes par mot. Les couleurs sont codées selon une légende à droite de l'image, allant des mots monosyllabes (Uni-syllabe) en bleu aux mots polysyllabes (16-syllabes) en violet. Les valeurs de T varient de 0.5 à 1, et chaque histogramme correspond à une valeur spécifique de T. Les mots unisyllabes sont principalement représentés en bleu, tandis que les mots multisyllabes sont représentés par des couleurs différentes, indiquant un nombre croissant de syllabes. Les histogrammes montrent une distribution variable du nombre de mots en fonction du nombre de syllabes pour chaque valeur de T.

Histogrammes du nombre de syllabes par mots en fonction de T (base IAM)

Figure 6

Description de l'image par IA : Graphique montrant le taux d'erreur sur les mots (WER) pour trois modèles différents, avec des tailles de lexiques variées de la base RIMES.

L'image est un graphique en ligne comparant les taux d'erreur sur les mots (WER) de trois modèles différents : Caractères, Syllabes et Mots. L'axe des x représente différentes configurations de la base RIMES avec des tailles de lexiques variées : RIMES, RIMES + 10K-Wiki, RIMES + 20K-Wiki, RIMES + 40K-Wiki, 40K-Wiki, 20K-Wiki et 10K-Wiki. L'axe des y montre le taux d'erreur sur les mots (WER) allant de 0 à 45. Les lignes sont codées par couleur : - Bleu pour les Caractères, - Rouge pour les Syllabes, - Jaune pour les Mots. Les tendances observées montrent que les taux d'erreur varient en fonction de la taille du lexique utilisé. Les modèles utilisant des Caractères ont généralement des taux d'erreur plus élevés que ceux utilisant des Syllabes ou des Mots. Les taux d'erreur diminuent généralement à mesure que la taille du lexique augmente, avec des exceptions notables pour certains modèles.

WER (%) des trois modèles, pour différentes tailles de lexiques de la base RIMES & Wikipèdia

Figure 7

Description de l'image par IA : Graphique montrant les taux d'erreur de trois modèles avec différents lexiques.

Le graphique montre l'évolution du taux d'erreur de mot (WER) pour trois modèles différents : Syllabes, mots et caractères. L'axe des x représente différentes tailles de lexiques de la base IAM, allant de "IAM" à "10K-Wiki". L'axe des y indique le taux d'erreur de mot (WER) allant de 24 à 36. Les trois lignes représentent les performances des modèles : - La ligne bleue correspond aux syllabes. - La ligne orange correspond aux mots. - La ligne jaune correspond aux caractères. Les tendances observées sont les suivantes : - Pour les syllabes (ligne bleue), le WER commence autour de 27 et augmente légèrement jusqu'à environ 30 avec les tailles de lexiques plus grandes. - Pour les mots (ligne orange), le WER commence autour de 24 et augmente de manière plus prononcée, dépassant 30 avec les tailles de lexiques plus grandes. - Pour les caractères (ligne jaune), le WER commence autour de 33 et reste relativement stable, avec une légère augmentation jusqu'à environ 34. En résumé, les caractères montrent un taux d'erreur de mot plus élevé et plus stable, tandis que les mots et les syllabes montrent une augmentation du WER avec les tailles de lexiques plus grandes, les mots ayant une augmentation plus prononcée.

WER (%) des trois modèles, pour différentes tailles de lexiques de la base IAM & Wikipédia

Compte personnel

Un modèle syllabique du français et de l’anglais pour la reconnaissance de l’écriture

Accès institutions

Toutes les institutions

Un modèle syllabique du français et de l’anglais pour la reconnaissance de l’écriture

Citer cet article

Accès institutions

Toutes les institutions