Upload
esclados-roques
View
111
Download
0
Embed Size (px)
Citation preview
1
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Les transcriptions dans la plate-forme CLAPI
Groupe ICOR
L. Balthasar, M. Bert, S. Bruxelles, C. Etienne, L. Mondada, V. Traverso, D. Valero
implémentation solution hétérogénéitéstandardisation
2
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
La plate-forme CLAPI http://clapi.univ-lyon2.fr
• Banque de données : corpus de LPI collectés en situation naturelle• Outils d’analyse et de requête sur le contenu des transcriptions
(dont des traitements automatiques)
Les corpus oraux• Intégration de corpus anciens ou récents, confectionnés dans le
cadre de domaines de recherche différents, dans divers laboratoires => Hétérogénéité des transcriptions hébergées
3
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Les principes d'intégration des transcriptions dans CLAPILes principes d'intégration des transcriptions dans CLAPI
• Restitution la plus fidèle possible de la représentation d'origine du transcripteur
• Charte graphique pour l’affichage des transcriptions
• Validation par le responsable
• Modifications minimales de la transcription originale on ne refait pas la transcription pour des raisons de coût et de respect de la propriété intellectuelle en cas de modification, recours à la convention ICOR
4
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Convention de référence Convention de référence Convention ICOR Convention ICOR
• Principes pour l’établissement d’une convention de transcription
– Économie – Cohérence– Lisibilité– Sélectivité– Granularité– Transformabilité– Évolutivité
• Établissement de la convention Convention ICOR
– fondée sur des conventions internationalement retenues en linguistique interactionnelle : Jefferson, Heritage, Psathas, Kerbrat, Cosnier, Traverso
– explicite : accessibilité des concepts et des conventions pour chercheurs/ transcripteurs non interactionnistes
– concise (genre textuel : « quick-reference manual »)– définissant une solide transcription de base en linguistique
interactionnelle– implémentée en XML
5
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Convention de référence Convention de référence Convention ICOR Convention ICOR http://icar.univ-lyon2.fr/projets/ICOR/ICAR_Conventions_ICOR.doc
6
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Convention ICOR Convention ICOR Exemple du chevauchement Exemple du chevauchement http://icar.univ-lyon2.fr/projets/ICOR/ICAR_Conventions_ICOR.doc
N° phénomène notation exemple dans PRAAT ex. Praat
7
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Problèmes posés par les transcriptions de Français Parlé en Problèmes posés par les transcriptions de Français Parlé en InteractionInteraction
•Diversité des conventions de transcription
•Granularité différente des transcriptions
•Robustesse : une même convention servant à noter deux phénomènes différents
•Cohérence : notations différentes d’un même phénomène dans une même transcription
•Exhaustivité : notation non systématique de certains phénomènes dans une même transcription
•Orthographe adaptée : un même mot représenté différemment suivant sa prononciation
8
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Corpus CHAPERON ROUGE, extrait "Jean-Pierre et Magali ", resp. M.-M. de Gaulmyn
481 M le loup s'empresse /de prendre le plus court/482 /JP/ /le loup s'en 000 s'empresse/483 M chemin pour arriver chez la mère-grand avant le p(e)tit chaperon rouge 0 mais là faut mettre pas pris le bon chemin /euh/484 JP /répond/ le loup
Corpus CONVERSATIONS FAMILIERES, extrait "grillage T3 ", resp. V. TraversoL t` sais j` suis (inaud.) intoxiquée maint`nant
(..)
L voulez rien boire (.) vous partez tout d` suite/ [là/
P [ben non faut
[qu'on passe chez moi récupérer c` qu'est [(inaud.) d` chez moi
A [OUAIS ff [va déménager
Conventions Chaperon rouge Conversations familières pause 0, 00, 000 (.), (..)chevauchement / … / [ montée intonative /
élision ( ) ` (antiquote)
Diversité des conventions de transcription
9
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Diversité des conventions de transcription Solutions
identification des phénomènes
10
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Diversité des conventions de transcription Solutions
11
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Diversité des conventions de transcription Solutions identité graphique des phénomènes de l’interaction
Quelle que soit la convention, les chevauchements sont indiqués en vert, les pauses en bleu turquoise et les descriptions en bleu gris
12
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Granularité différente des transcriptions
13
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Granularité différente des transcriptions Solutions
implémentation dans la préparation des transcriptions
dans la liste des transcriptions
14
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
=> ambiguïté : apostrophe pour l’élision standard ou non ex. j’aime / j’parle
=> trait d'union notant également la troncation ex. avant-hier / sta- statut
=> parenthèse : hésitation du transcripteur ou observation/commentaire
Robustesse : une même convention servant à noter deux phénomènes différents
15
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Robustesse Solutions apostrophe pour l’élision standard ou non
16
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Robustesse Solutions parenthèse : hésitation du transcripteur ou observation
17
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Cohérence : notations différentes d’un même phénomène dans une même transcription
Partition et liste
Notation du chevauchement
Alternance de [ et < au cours de la transcription
etc…
Solutions Uniformisation par la médiathèque
18
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Solution
Tous les outils qui permettent de faire des requêtes sur les phénomènes précisent s'ils sont notés totalement ou partiellement
Exhaustivité : notation non systématique de certains phénomènes dans une même transcription
19
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Comment dans une requête trouver automatiquement
p`tit quand on cherche petit , am`ner pour amener, … ?
Orthographe adaptée
20
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Orthographe adaptée Solutions
Construction d'un outil basé sur les n-grams de caractères pour identifier automatiquement les variantes graphiques, avec la collaboration de Ramzi ABBES, post-doctorant TAL Arabe (voyellation) Données du problème
•Les formes élidées ont des tailles inférieures ou égales à celle du mot cible
•Le caractère d'élision ` (antiquote) remplace une ou plusieurs lettres du mot cible
21
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Orthographe adaptée Solutions
Les n-grams de caractères retrouvent les formes élidées du token en les comparant aux mots existants dans clapi avec une égalité parfaite des n-grams.
Par une approche empirique, on a constaté que :- les bi-grams permettent de repérer les variantes
des mots de moins de huit lettres- les tri-grams sont adaptés aux mots plus longs
Résultat ex. attends, ‘tends, ‘ttends / parce que, pa’ce que /
bonjour, b’jour
Certaines formes trop éloignées du mot standard seront identifiées dans un glossaire (quelques dizaines de formes maximum) ex. chais / je sais, vouais / ouais
22
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Orthographe adaptée dans CLAPI
23
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Phénomènes pris en compte et modélisés à ce jourPhénomènes pris en compte et modélisés à ce jour
• changement de locuteur : production verbale attribuée à un locuteur
enchaînement des locuteurs, taille pv (tour bref), place dans la pv (début/fin)
• formes (tokens)lexiquerépétitionco_occurrences variantes morphologiquesdistance entre les mots groupe de mots
• chevauchementchevauchant, chevauché, départ simultané
• pause (courte, longue, quantifiée) • timing
repère dans la transcription, alignement du signal • commentaire/observation
24
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Procédure d'intégrationProcédure d'intégration
25
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
• Identification manuelle des phénomènes
◦ Balisage automatique
◦ Bilan des tokens et des phénomènes
• Vérification
• Contrôle qualité
• Correction de la transcription adaptée
• Consignation des modifications dans la convention de transcription
◦ Génération XML de la transcription
◦ Intégration dans CLAPI
Préparation par la médiathèquePréparation par la médiathèque
26
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Exemple de préparationExemple de préparation
27
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Exemple d'un bilan tokens et phénomènesExemple d'un bilan tokens et phénomènes
28
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Exemple de transcription balisée en Exemple de transcription balisée en XMLXML
29
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
La transcription dans CLAPILa transcription dans CLAPI
30
CONTACI 2007 - Transcriptions et plate-forme CLAPI
GROUPE ICOR http://clapi.univ-lyon2.fr
Exploitation scientifique dans CLAPIExploitation scientifique dans CLAPI
»A VENDREDI…