De l’arabe standard vers l’arabe dialectal : projection de corpus et ressources linguistiques en vue du traitement automatique de l’oral dans les médias tunisiens

Rahma Boujelbane (1, 2) , Mariem Ellouze (2) , Frédéric Béchet (1) , Lamia Belguith (2)

1 LIF - Laboratoire d'informatique Fondamentale de Marseille
2 MIRACL - Multimedia, InfoRmation systems and Advanced Computing Laboratory

RÉSUMÉ. Dans ce travail, nous nous intéressons aux problèmes liés au traitement automatique de l'oral parlé dans les médias tunisiens. Cet oral se caractérise par l'emploi de l'alternance codique entre l'arabe standard moderne (MSA) et le dialecte tunisien (DT). L'objectif consiste à construire des ressources utiles pour apprendre des modèles de langage dédiés à des applications de reconnaissance automatique de la parole. Comme il s'agit d'une variante du MSA, nous décrivons dans cet article une démarche d'adaptation des ressources MSA vers le DT. Une première évaluation en termes de couverture lexicale et de perplexité est présentée. ABSTRACT. In this work, we focus on the problems of the automatic treatment of oral spoken in the Tunisian media. This oral is marked by the use of code-switching between the Modern Standard Arabic (MSA) and the Tunisian dialect (TD). Our goal is to build useful resources to learn language models that can be used in automatic speech recognition applications. As it is a variant of MSA, we describe in this paper an adjustment process of the MSA resources to the TD. A first evaluation in terms of lexical coverage and perplexity is presented.

Mots clés: corpus oral; dialecte tunisien; modèle de langue; ressources

Domaines: Sciences de l'information et de la communication; Traitement du texte et du document

Rahma Boujelbane, Mariem Ellouze, Frédéric Béchet, Lamia Belguith. De l’arabe standard vers l’arabe dialectal : projection de corpus et ressources linguistiques en vue du traitement automatique de l’oral dans les médias tunisiens. Revue TAL : traitement automatique des langues, 2015, pp.rahma-boujelbane. ⟨halshs-01193325⟩