FR2878991A1

FR2878991A1 - Construction informatique d'un phonetiseur pour un systeme verificateur de faute d'usage

Info

Publication number: FR2878991A1
Application number: FR0413101A
Authority: FR
Inventors: Edmond Lassalle
Original assignee: France Telecom SA
Current assignee: Orange SA
Priority date: 2004-12-08
Filing date: 2004-12-08
Publication date: 2006-06-09

Abstract

Un système informatique vérifie l'exactitude d'une chaîne graphique requise. Un module (MCA, MDP) construit un phonétiseur par construction d'un automate compilant des règles de transcription (R) et par détermination de probabilités de transitions entre des correspondances graphème/phonème. Un moyen (MCD) construit un dictionnaire de signatures phonétiques (DSP) en transcrivant les chaînes graphiques d'un dictionnaire de chaînes graphiques en des signatures phonétiques et en les reliant aux chaînes graphiques et détermine des probabilités des transcriptions des chaînes graphiques en les signatures. Un moyen (MTCRQ) détermine une transcription de la chaîne graphique requise en une signature de requête et détermine une probabilité de la transcription précédente. Ledit moyen recherche des signatures dans le dictionnaire des signatures sensiblement identiques à ladite signature de requête pour en déduire des chaînes graphiques attestées mémorisées dans le dictionnaire de chaînes graphiques.

Description

2878991 1

Construction informatique d'un phonétiseur pour un système vérificateur de faute d'usage La présente invention concerne le traitement automatique de l'écrit, au moyen d'un système vérificateur de faute dans une langue prédéterminée. Plus particulièrement, elle a trait à la construction informatique d'un phonétiseur à intégrer dans un système vérificateur de faute d'usage souvent inclus dans un correcteur orthographique et au fonctionnement dudit système vérificateur.

Actuellement, on distingue parmi les systèmes vérificateurs opérationnels ceux qui vérifient des fautes lexicales ou d'usage en traitant l'écriture inexacte de mots, et ceux qui vérifient des fautes de syntaxe, portant sur l'articulation de phrases, ou plus rarement ceux qui vérifient le sens de phrases.

L'invention s'intéresse aux fautes lexicales rencontrées qui sont traditionnellement de deux types - les fautes typographiques liées à l'usage d'un clavier pour saisir le texte, comme le défaut d'accentuation de certains éléments graphiques (caractères) ; et - les fautes d'usage dues à la méconnaissance de l'orthographe exacte de chaînes graphiques (mots).

Les systèmes vérificateurs de faute d'usage ont pour hypothèse de travail le comportement de l'utilisateur saisissant le texte. Celui-ci en cas de méconnaissance de l'orthographe exacte a tendance à écrire la chaîne graphique comme il la prononcerait. La vérification consiste donc à déterminer une chaîne phonétique constituant une signature phonétique de la chaîne graphique à vérifier et corriger, puis à extraire la signature correspondante d'un dictionnaire de signatures phonétiques, et enfin à déterminer la ou les chaînes graphiques associées à la signature correspondante.

Pour déterminer une signature phonétique plus fine, un système vérificateur comporte un phonétiseur déterminant la transcription d'une chaîne graphique en une chaîne phonétique constituant une signature phonétique. Le phonétiseur est basé sur des règles de transcription phonétique, chaque règle traduisant un phénomène linguistique observé. Les règles de transcription phonétiques sont exprimées de manière naturelle sous forme de règles contextuelles dépendant de l'entourage immédiat de la chaîne graphique. Ces systèmes de correction ont les défauts suivants: - difficulté de maintenir les règles qui ont été construites à la main; en effet, en ajoutant une règle pour étendre la couverture du phénomène traité, les résultats régressent fréquemment; l'écriture des règles reste proche de la programmation et une personne autre que l'auteur des règles a souvent des difficultés à faire évoluer les règles déjà écrites; - les modèles de phonétiseur, la plupart déterministes, ne peuvent prendre en compte les variantes de prononciation d'une même chaîne graphique; - l'extension de la langue prédéterminée à des caractéristiques régionales nécessite une réécriture quasi-complète des règles; et - le codage des éléments graphiques, par exemple l'accentuation ou non de ceux-ci, influence sur l'écriture des règles de transcription.

L'invention vise à s'affranchir des inconvénients ci-dessus et ainsi à automatiser la construction d'un phonétiseur qui ensuite est intégré dans un système vérificateur de faute d'usage.

Pour atteindre cet objectif, un procédé pour construire informatiquement un phonétiseur à partir d'un corpus enregistré dans une base de données et comprenant des couples composés chacun d'une chaîne graphique incluant des éléments graphiques et d'une chaîne phonétique incluant des éléments phonétiques,est caractérisé en ce qu'il comprend les étapes suivantes: construction informatique et enregistrement dans la base, d'un automate compilant des règles de transcription résultant d'une analyse de correspondances graphème/phonème dans les couples de chaînes lus dans le corpus, ledit automate comportant des états et transitions d'état déduits des règles de transcription, chaque état étant un lien entre deux correspondances graphème/phonème consécutives dans un couple de chaînes graphique et phonétique, et chaque transition chaînant deux états ayant en commun une correspondance graphème/phonème, les transitions relatives à la transcription d'une chaîne graphique en une chaîne phonétique formant un chemin de transitions dans l'automate, et détermination et enregistrement dans la base, de probabilités des transitions en sortie de noeuds de l'automate situant les correspondances graphème/phonème communes aux transitions, afin de construire le phonétiseur en combinant l'automate et les probabilités de transitions déterminées.

Le phonétiseur de l'invention est stochastique 35 et donc non déterministe puisqu'il transcrit une 2878991 4 chaîne graphique en une ou plusieurs chaînes phonétiques, dites signatures phonétiques, en dépendance de prononciations multiples. Le phonétiseur est construit automatiquement à partir d'une analyse du corpus, et peut être amélioré par enrichissement du corpus notamment lors de l'évolution de la langue du corpus.

Puisque le phonétiseur est fondé sur un corpus, l'invention peut construire plusieurs phonétiseurs à l'aide de plusieurs corpus compatibles respectivement avec différentes langues.

L'étape de détermination de probabilités de transitions peut comprendre les sous-étapes suivantes: pondération de chaque transition de l'automate par une probabilité de transition choisie arbitrairement, détermination de probabilité d'au moins un chemin de transitions représentatif de la transcription de chaque chaîne graphique en au moins une chaîne phonétique associée en fonction des probabilités des transitions du chemin, sélection pour chaque chaîne graphique du chemin de transitions ayant la plus grande probabilité, incrémentation de variables respectivement associées aux transitions et représentatives de nombres de traversées des transitions par les chemins de transitions sélectionnés, et estimation de nouvelles probabilités de transition en fonction des variables de transition précédemment déterminées.

L'étape de détermination de probabilités de transitions peut comprendre en outre une réitération des étapes de détermination de probabilité de chemin, sélection, incrémentation et estimation en fonction 2878991 5 des nouvelles probabilités de transition jusqu'à une sensible convergence desdites probabilités de transition afin de combiner l'automate et les probabilités de transition en le phonétiseur.

L'invention est relative également à un système informatique de construction un phonétiseur. Le système est caractérisé en ce qu'il comprend: un module pour construire informatiquement et enregistrer dans la base, un automate compilant des règles de transcription résultant d'une analyse de correspondances graphème/phonème dans les couples de chaînes lus dans le corpus, ledit automate comportant des états et transitions d'état déduits des règles de transcription, chaque état étant un lien entre deux correspondances graphème/phonème consécutives dans un couple de chaînes graphique et phonétique, et chaque transition chaînant deux états ayant en commun une correspondance graphème/phonème, les transitions relatives à la transcription d'une chaîne graphique en une chaîne phonétique formant un chemin de transitions dans l'automate, et un module pour déterminer et enregistrer dans la base, des probabilités des transitions en sortie de noeuds de l'automate situant les correspondances graphème/phonème communes aux transitions, afin de construire le phonétiseur en combinant l'automate et les probabilités de transitions déterminées.

L'invention concerne encore un premier programme d'ordinateur apte à être mis en oeuvre sur le système informatique de construction de phonétiseur selon l'invention. Le programme comprend des instructions de programme qui, lorsque le programme est chargé et exécuté sur le système informatique, réalisent les étapes du procédé de construction de phonétiseur selon l'invention.

2878991 6 L'invention concerne également une utilisation du phonétiseur construit selon l'invention. A cette fin, un procédé informatique pour vérifier l'exactitude d'une chaîne graphique requise au moyen d'un phonétiseur et d'un dictionnaire informatique de chaînes graphiques, est caractérisé en ce que le procédé comprend les étapes suivantes: construction du phonétiseur par construction informatique d'un automate compilant des règles de transcription résultant d'une analyse de correspondances graphème/phonème dans des couples de chaînes graphique et phonétique lus dans un corpus et par détermination de probabilités de transitions entre des correspondances graphème/phonème, au moyen du phonétiseur, construction d'un dictionnaire informatique de signatures phonétiques en transcrivant les chaînes graphiques du dictionnaire de chaînes graphiques chacune en au moins une signature phonétique et en les reliant informatiquement aux chaînes graphiques, et détermination de probabilités des transcriptions des chaînes graphiques en les signatures phonétiques, au moyen du phonétiseur, détermination d'une transcription de la chaîne graphique requise en au moins une signature phonétique de requête et détermination d'une probabilité de la transcription précédente, et recherche de signatures phonétiques dans le dictionnaire de signatures phonétiques sensiblement identiques à ladite au moins une signature phonétique de requête pour en déduire des chaînes graphiques attestées mémorisées dans le dictionnaire de chaînes graphiques et reliées à ladite au moins une signature phonétique.

2878991 7 L'invention est relative également à un système informatique de vérification de l'exactitude d'une chaîne graphique requise. Ce système comprend un phonétiseur et un dictionnaire informatique de chaînes graphiques, et est caractérisé en ce qu'il comprend: un module pour construire le phonétiseur par construction informatique d'un automate compilant des règles de transcription résultant d'une analyse de correspondances graphème/phonème dans des couples de chaînes graphique et phonétique lus dans un corpus et par détermination de probabilités de transitions entre des correspondances graphème/phonème, un moyen à l'aide du phonétiseur pour construire un dictionnaire informatique de signatures phonétiques en transcrivant les chaînes graphiques du dictionnaire de chaînes graphiques chacune en au moins une signature phonétique et en les reliant informatiquement aux chaînes graphiques, un moyen à l'aide du phonétiseur pour déterminer des probabilités des transcriptions des chaînes graphiques en les signatures phonétiques, un moyen à l'aide du phonétiseur pour déterminer une transcription de la chaîne graphique requise en au moins une signature phonétique de requête, un moyen pour déterminer une probabilité de la transcription précédente, et un moyen pour rechercher des signatures phonétiques dans le dictionnaire de signatures phonétiques sensiblement identiques à ladite au moins une signature phonétique de requête pour en déduire des chaînes graphiques attestées mémorisées dans le dictionnaire de chaînes graphiques et reliées à ladite au moins une signature phonétique.

L'invention concerne encore un deuxième programme d'ordinateur apte à être mis en oeuvre sur le système informatique de vérification d'exactitude de chaîne graphique selon l'invention. Le deuxième programme comprend des instructions de programme qui, lorsque le deuxième programme est chargé et exécuté sur le système informatique, réalisent les étapes du procédé de vérification d'exactitude de chaîne graphique selon l'invention.

D'autres caractéristiques et avantages de la présente invention apparaîtront plus clairement à la lecture de la description suivante de plusieurs réalisations préférées de l'invention, données à titre d'exemples non limitatifs, en référence aux dessins annexés correspondants dans lesquels: - la figure 1 est un bloc-diagramme schématique d'un système informatique selon l'invention; - la figure 2 est un algorithme de construction informatique du phonétiseur de l'invention; - la figure 3 est un algorithme de construction d'un automate compilant des règles de transcription; - la figure 4 est un diagramme schématique d'un chaînage des états de l'automate; - la figure 5 est un algorithme de construction d'un phonétiseur stochastique de l'invention; et - la figure 6 est un algorithme de procédé de vérification de faute d'usage mis en oeuvre dans un système vérificateur de faute d'usage comportant le phonétiseur, selon l'invention.

En référence à la figure 1, un ordinateur OD, ou un serveur, en tant que système informatique selon l'invention, construit un phonétiseur stochastique P de l'invention et assure les fonctionnalités d'un système vérificateur de faute d'usage comportant ledit phonétiseur. Le système vérificateur détermine une ou des chaînes graphiques qui constituent des solutions attestées à une chaîne graphique requise erronée, voire inconnue, incluse dans une requête. Après construction du phonétiseur, l'ordinateur OD peut compiler des instructions et des données représentatives du phonétiseur en un fichier et transmettre le fichier vers un autre système informatique.

L'ordinateur OD incorpore une base de données BD du type de celle utilisée en intelligence artificielle ou accède localement ou à travers un réseau de télécommunications à un serveur gérant la base de données. La base de données mémorise initialement un corpus informatique C et un dictionnaire informatique de chaînes graphique DG sous forme de fichiers. Le corpus C comporte des couples de chaînes graphique CG et phonétique CP, chaque chaîne graphique CG incluant des éléments graphiques gm et chaque chaîne phonétique CP incluant des éléments phonétiques pn. Le dictionnaire de chaînes graphiques DG comporte des chaînes graphiques CGD, par exemple des noms patronymiques ou des mots d'un annuaire dans une langue prédéterminée. Lors du fonctionnement du système vérificateur de faute d'usage, la base de données mémorise un dictionnaire de signatures phonétiques DSP comportant des chaînes phonétiques, dites signatures phonétiques CPD, produites à partir de la transcription des chaînes graphiques CGD du dictionnaire de chaînes graphiques DG.

L'ordinateur OD comporte deux modules pour construire le phonétiseur stochastique P de l'invention: un module de construction d'un automate 2878991 i0 MCA pour compiler des règles de transcription R et un module de détermination de probabilités de transcription MDP pour déterminer depuis l'automate, les probabilités de transcription d'une chaîne graphique en une ou plusieurs chaînes phonétiques.

L'ordinateur OD comporte également des modules du phonétiseur après la construction de celui-ci, et des modules de fonctionnement du système vérificateur de faute d'usage.

Le phonétiseur comprend: - un module de construction MCD pour construire le dictionnaire de signatures phonétiques DSP à partir de la transcription des chaînes graphiques CGD du dictionnaire de chaînes graphiques DG par le phonétiseur stochastique P; - un module d'établissement de liens MEL pour établir des liens entre les signatures phonétiques CPD du dictionnaire des signatures phonétiques DSP et les chaînes graphiques CGD correspondantes du dictionnaires de chaînes graphiques DG, une signature phonétique pouvant être liée à une ou plusieurs chaînes graphiques et inversement; et - un module de transcription stochastique MTCRQ pour transcrire une chaîne graphique requise CGRQ d'une requête en une ou plusieurs signatures phonétiques de requête CPRQ.

Le système vérificateur comprend: - un module de recherche MRCD pour rechercher des signatures phonétiques CPD dans le dictionnaire de signatures phonétiques DSP en fonction des chaînes phonétiques CPRQ résultant de la transcription de la chaîne graphique requise CGRQ; - un module de détermination de probabilités d'usage MDPU pour déterminer des probabilités d'usage Il des chaînes graphiques attestées CGA associées aux signatures phonétiques CPRQ; et - un module de classement MC pour classer les chaînes graphiques attestées CGA selon leurs probabilités d'usage.

Comme montré à la figure 2, le procédé de construction de phonétiseur selon l'invention comprend des étapes principales El et E2. Ces étapes sont mises en oeuvre sous la forme d'un programme implémenté dans l'ordinateur OD.

L'ordinateur OD dispose initialement du corpus graphème/phonème C dans la base de données BD pour décrire le phénomène de phonétisation à prendre en compte. Le module MCA de l'ordinateur OD analyse le corpus C et y extrait des couples de chaînes graphique et phonétique pour en déduire des règles de

transcription compilées dans un automate de

transcription, à l'étape El. L'automate ainsi

construit est non déterministe puisqu'une chaîne graphique donnée correspond à une ou plusieurs chaînes phonétiques possibles, dites signatures phonétiques. L'étape El est détaillée lors de la description des figures 3 et 4.

Le module MDP de l'ordinateur OD construit ensuite le phonétiseur à l'étape E2 en déterminant des probabilités de transitions à des noeuds de l'automate. L'étape E2 est détaillée lors de la description de la figure 5.

La figure 3 illustre l'étape de construction d'automate El comprenant des sous-étapes E10 à E13. Le corpus C dans la base de données BD inclut des transcriptions qui font correspondre des chaînes graphiques CG telles que des mots ou patronymes, composées chacune d'un ou plusieurs éléments typographiques (caractères), appelés ci-après éléments graphiques gm d'un alphabet de la langue prédéterminée, respectivement à des chaînes phonétiques CP composées chacune d'un ou plusieurs éléments phonétiques pn. Par exemple un extrait d'un corpus C est le suivant lorsque la langue prédéterminée est l'anglais: ABBREVIATE obriviat ABBREVIATED obriviatod ABBREVIATES obriviats A la suite d'une lecture du corpus C à l'étape E10, le module MCA aligne à l'étape E11 par un processus de syllabation, des graphèmes et phonèmes

de type gi:pi des transcriptions élémentaires. La

transcription élémentaire gi:pi est une correspondance ou transduction entre un ou plusieurs éléments graphiques gm d'une chaîne graphique CG constituant un graphème gi et un ou plusieurs éléments phonétiques Pn de la chaîne phonétique associée CP constituant un phonème pi. En se référant à l'extrait cité précédemment du corpus C, le module MCA fournit les correspondances suivantes:

Claims

A BB R E V I A TE * o b* r i v i a t* A BB R E V I A T E D * o b* r i v i a t o d * A BB R E V I A TE S * o b* r i v i a t* s * Dans chacun des couples de ligne ci-dessus représentatifs de transcriptions de chaînes, la ligne supérieure représente la chaîne graphique CG décomposée en M éléments graphiques gm et la ligne 2878991 13 inférieure représente la chaîne phonétique CP associée décomposée en N éléments phonétiques Pn. Le symbole * désigne un élément phonétique muet et sans signification. Les symboles graphiques et associés au symbole phonétique * indiquent des correspondances terminales marquant le début et respectivement la fin de chaque couple de chaînes graphique et phonétique. A partir de cet alignement de graphème/phonème, le module MCA recense des règles de transcription R, à l'étape E12. Une règle de transcription est représentée de la manière suivante: gi:pi gi-l:Pi-1_gi+ 1:Pi+1, où gi-l:Pi-1 est la correspondance gauche et gi+1:Pi+1 est la correspondance droite de la correspondance gi:pi dans la chaîne graphique CG = (...,gi-1,gi,gi+I,...) et la chaîne phonétique associée CP = (...,pi1fPi,Pi+1'ÉÉÉ)É La règle transcrit une correspondance d'un graphème gi en un phonème pi en fonction des contextes encadrant la correspondance. Par exemple dans l'alignement: A BB R E V I A TE o b* r i v i a t* le module MCA déduit pour la correspondance BB:b, la règle suivante: BB:b* a A:o_R:r. Cette règle signifie qu'il faut et il suffit que la correspondance située à gauche d'une correspondance donnée soit A:o et la correspondance située à droite de la correspondance donnée soit R:r pour que la correspondance donnée soit BB:b*. A l'étape E13, le module MCA construit l'automate compilant les règles de transcription recensées R. L'automate comprend des états Et et des 2878991 14 transitions T déduits de l'analyse de chaque règle de transcription R. Un état définit un lien entre deux correspondances consécutives dans des chaînes graphique et phonétique associées. Une règle de transcription possède deux états de l'automate. Par exemple, pour une règle Ri telle que: gi:pi un premier état définit le lien entre la correspondance gil:pi-1 et la correspondance gi:pi et un deuxième état définit le lien entre la correspondance gi:pi et la correspondance gi+1:pi+1-Un état initial Etinit et un état final Etfin, ne dépendant pas des règles de transcription, sont créés lors de l'exécution du procédé. Le module MCA effectue également le chaînage reliant les états Et entre eux par des transitions T en fonction de l'analyse de chaque règle de transcription R recensée. Chaque transition T de l'automate chaîne deux états ayant en commun une même correspondance. Toutes les transitions T relatives à la transcription d'une chaîne graphique en une chaîne phonétique appartiennent à un même chemin de transitions CT dans l'automate. En fin d'exécution de l'étape El de construction d'automate E10- E13, l'automate compilant toutes les règles de transcription R recensées à partir du corpus C est construit et enregistré sous la forme d'un fichier dans la base de données BD. Comme représenté à la figure 4, l'automate est schématisé par un treillis dont les noeuds situent les états. Des chemins de transition CT dans le treillis commencent par l'état initial Etinit, traversent les noeuds et se terminent par l'état final Etfin. L'état initial est chaîné à des états Etl, Et2 et Et3 incluant une correspondance terminale de début :*. Par exemple l'état Etl= :* A:o est lié à l'état initial. Chaque état est chaîné au moins à un autre état selon une transition équivalente à la règle de transcription associant les deux états de la transition. Par exemple l'état Etl est chaîné à l'état Et4 selon la règle de transcription, appelée transition, T = A:o a :* BB:b*. Tout état incluant une correspondance terminale de fin :* est chaîné à l'état final Etfin. Comme montré à la figure 5, l'étape E2 de construction d'un phonétiseur sur le fondement de l'automate précédemment construit comprend des sous-étapes E20 à E26 exécutées par le module MDP de l'ordinateur OD pour estimer des probabilités P(T) de transitions de l'automate. En supposant que l'automate comprend N transitions T1 à TN, la première sous-étape E20 pondère chaque transition Tn de l'automate par une probabilité de transition P(Tn), avec 1 s n s N. Les probabilités de transition sont initialement choisies arbitrairement à des valeurs qui respectent la condition suivante à chaque noeud formé par l'intersection de transitions et correspondant à des états, la somme des probabilités de transitions sortant du noeud suivant le sens de la correspondance terminale de début vers la correspondance terminale de fin est égale à 1. Pour chaque transition T, une variable VT associée à la transition et représentative du nombre de traversées de la transition T par des chemins parcourus lors de transcriptions de chaîne est définie et mise à zéro. A la sous-étape E21, pour une chaîne graphique donnée CGk désignée par un pointeur k dans le corpus C, le module MDP lit la chaîne graphique CGk et détermine dans l'automate, des probabilités de transcription P (CGkICP1) = P(CT1) à P(CGkICPJ) = P (CTJ) de la chaîne graphique CGk en J chaînes phonétiques CP1 à CPJ associées dans le corpus C. Pour chaque chaîne phonétique associée CPj, avec 1 s j s J et l'entier J Z 1, est parcouru dans l'automate un chemin de transitions CTj reflétant la succession des transitions T décrivant la transcription (CGkICPj) entre la chaîne graphique CGk et la chaîne phonétique associée CPj. La probabilité de transcription P(CGkICPj) = P(CTj) est le produit des probabilités P(T) des transitions T suivant le chemin de transitions CTj. Puis à la sous-étape E22 le module MDP sélectionne parmi les chemins de transitions CT1 à CTJ relatifs à la chaîne graphique CGk le chemin de transitions CTmax dont la probabilité de transcription P(CGkICP) est la plus grande. A la sous-étape E23, le module MDP incrémente d'une unité les variables VT pour lesquelles les transitions T forment le chemin de transitions CTmax sélectionné à la sous-étape E22. Tant que le corpus C n'est pas totalement lu à la sous-étape E24, le module MDP répète les sous-étapes E21 à E23 pour chaque chaîne graphique GCk lue en incrémentant le pointeur k. A la fin de la lecture du corpus, le module MDP enregistre dans la base de données BD les probabilités de transition P(Tn) précédemment définies et estime de nouvelles probabilités de transition en fonction des variables VT, à la sous-étape E25. Chaque nouvelle probabilité de transition P(Tn) est estimée égale au rapport de la variable associée VTn sur la somme des variables VT des transitions sortant d'un même noeud de transitions. Par exemple, pour un état correspondant à un noeud ayant trois transitions sortantes Ti, T2 et T3 dont les variables respectives sont VT1, VT2 et VT3, la probabilité de la transition T1 est VT1/(VT1+VT2+VT3). Le module MDP réitère les sous-étapes précédentes E21 à E26 en fonction des nouvelles probabilités de transitions jusqu'à une sensible convergence des probabilités de transition P(Tn). L'automate ainsi combiné aux probabilités des transitions du treillis de l'automate constitue le phonétiseur. En référence maintenant à la figure 6, le procédé de vérification de faute d'usage mis en oeuvre dans le système vérificateur comprend des étapes principales E3 à E8. En référence à la figure 1, le système vérificateur incorporant le phonétiseur stochastique construit P et la base de données BD qui inclut initialement le dictionnaire informatique de chaînes graphiques DG. Les chaînes graphiques, dites graphies, mémorisées dans le dictionnaire DG sont, par exemple, des noms patronymiques parmi lesquels peut être prévu le nom recherché par un usager du système vérificateur. Par exemple un extrait du dictionnaire de chaînes graphiques est le suivant: jean, gean, genn. Le système vérificateur vérifie l'exactitude d'une chaîne graphique requise CGRQ dans une requête grâce à un appariement de la chaîne CGRQ à une ou plusieurs chaînes graphiques attestées CGA du dictionnaire de chaînes graphiques par le phonétiseur P. Pour l'appariement, le phonétiseur rapproche deux chaînes graphiques en identifiant 2878991 le leurs chaînes phonétiques associées dîtes signatures phonétiques. Pour pouvoir fonctionner, le système vérificateur doit disposer d'un dictionnaire informatique de signatures phonétiques DSP comportant des chaînes phonétiques CPD associées aux chaînes graphiques CGD du dictionnaire de chaînes graphiques DG. Pour cela, le module de construction MCD dans le phonétiseur construit et mémorise progressivement à l'étape E3, le dictionnaire DSP avec des signatures phonétiques qui résultent, dans le phonétiseur P, respectivement de transcriptions de chaînes graphiques CGD lues dans le dictionnaire de chaînes graphiques DG. En se référant à l'exemple cité précédemment concernant le dictionnaire de chaînes graphiques: - la transcription de "jean" donne les signatures phonétiques "Z-a" et "Zin" ; - la transcription de "gean" donne les signatures phonétiques "Z-a" et "Zin" ; et - la transcription de "genn" donne la signature phonétique "Zen". Lors de chaque transcription d'une chaîne graphique CGD en une signature phonétique CPD, le module MCD détermine au moyen du phonétiseur la probabilité de transcription P(CGDICPD). En se référant à l'exemple précédant, on a: - P(jeanlZ-a)=0,1; - P (j eanlZin) =0, 9; - P (geanlZ-a) =0, 5; - P(geanlZin)=0,5; et - P (gennlZen) =0, 6. A l'étape E4, le module MEL établit un lien informatique entre chaque signature phonétique CPD du 2878991 19 dictionnaire de signatures phonétiques DSP et une chaîne graphique CGD correspondante du dictionnaire de chaînes graphiques DG. Une signature phonétique CPD comporte autant de liens qu'il y a de chaînes graphiques correspondantes à la signature phonétique. Le module MEL mémorise pour chaque lien la probabilité de transcription P(CGDICPD) de la signature phonétique CPD et la chaîne graphique associée CGD. Par exemple la signature phonétique "Z-a" du dictionnaire de signatures phonétiques est reliée aux chaînes graphiques "jean" et "gean" mémorisées dans le dictionnaire de chaînes graphiques. Après l'étape E4, le système vérificateur de faute d'usage est prêt à fonctionner pour vérifier l'exactitude d'une chaîne graphique CGRQ requise dans une requête et appliquée au système vérificateur. Les étapes E5 à E8 concernent la vérification proprement dite d'une chaîne graphique requise CGRQ dans le système vérificateur. A l'étape E5, le module MTCRQ dans le phonétiseur transcrit la chaîne graphique requise CGRQ en au moins une signature phonétique, c'est- àdire une ou plusieurs signatures phonétiques correspondantes CPRQ. Par exemple, la chaîne graphique requise CGRQ "jen" est transcrite via le phonétiseur en des signatures phonétiques de requête "Z-a" et "Zen". Lors de la transcription de la chaîne graphique requise CGRQ, des probabilités de transcription P(CGRQICPRQ) de ladite chaîne graphique en la ou les signatures phonétiques sont également déterminées. Par exemple P (j enlZa) =0, 1 et P (jenlZen) =0, 9. A l'étape E6, le module MRCD recherche les signatures phonétiques CPD dans le dictionnaire de signatures phonétiques DSP identiques aux signatures phonétiques de requête CPRQ, ou en variante similaires en dépendance d'un seuil de vraisemblance. Puis le module MRCD déduit des signatures phonétiques CPD trouvées dans le dictionnaire DSP, des chaînes graphiques attestées CGA comprises dans le dictionnaire de chaînes graphiques DG. Par exemple, pour la chaîne graphique requise "jen" associée à la signature phonétique "Z-a", le module MRCD produit les chaînes graphiques attestées "jean" et "gean" mémorisées dans le dictionnaire de chaînes graphiques DG. Pour la même chaîne graphique requise "jen" associée à la signature phonétique "zen", le module MRCD produit la chaîne graphique attestée "genn". Ces chaînes graphiques attestées sont toutes reliées à la même signature phonétique CPD "Z-a" ou "zen" mémorisée dans le dictionnaire de signatures phonétiques DSP. Chaque lien reliant une chaîne graphique attesté CGA à une signature phonétique CPD est défini avec une probabilité P(CGAICPD). Par exemple P (j eanlZ"a) =0, 1, P (geanlZ-a) =0, 5 et P (gennlZen) =0, 6. A l'étape E7, le module MDPU détermine des probabilités d'usage des chaînes graphiques CGA attestées précédemment en fonction de la chaîne graphique requise. Une probabilité d'usage est égal au produit de la probabilité de transcription P(CGAICPD) d'une chaîne graphique attestée CGA du dictionnaire de chaînes graphiques DG en une signature phonétique CPD par la probabilité de transcription P(CGRQICPD) de la chaîne graphique requise CGRQ en ladite signature phonétique CPD (=CPRQ). En se référant à l'exemple précédent: 2878991 21 P (jeanben) = P (jeanlZ- a) * P (jenlZ-'a) =0, 01; P (geanben) = P (geanlZ-a) * P (j enlZ-a) =0, 05; et P (gennljen) = P (gennlZen) * P (jenlZen) =0, 54. Le module MC classe ensuite à l'étape E8 les chaînes graphiques attestées CGA pour la requête selon les probabilités d'usage précédemment déterminées, de préférence selon l'ordre décroissant des probabilités d'usage. En reprenant l'exemple ci- dessus, le classement des chaînes graphiques solutions est le suivant: genn, gean et jean. Selon une implémentation préférée, les étapes El et E2 du procédé de construction du phonétiseur sont déterminées par les instructions d'un premier programme incorporé dans le système informatique SI, tel qu'un serveur ou un ordinateur. Le premier programme comporte des instructions de programme qui, lorsque ledit programme est chargé et exécuté dans le système informatique SI dont le fonctionnement est alors commandé par l'exécution du programme, réalisent les étapes du procédé de construction selon l'invention. De même les étapes du procédé pour vérifier l'exactitude d'une chaîne graphique requise par le système vérificateur de faute d'usage comportant ledit phonétiseur sont déterminées par les instructions d'un deuxième programme incorporé dans le système informatique SI. Le deuxième programme comporte des instructions de programme qui, lorsque ledit programme est chargé et exécuté dans le système informatique SI dont le fonctionnement est alors commandé par l'exécution du programme, réalisent les étapes de procédé de fonctionnement selon l'invention. En conséquence, l'invention s'applique également à des programmes d'ordinateur, notamment des programmes d'ordinateur sur ou dans un support d'informations, adapté à mettre en oeuvre l'invention. Ces programmes peuvent utiliser n'importe quel langage de programmation, et être sous la forme de code source, code objet, ou de code intermédiaire entre code source et code objet tel que dans une forme partiellement compilée, ou dans n'importe quelle autre forme souhaitable pour implémenter le procédé selon l'invention. Le support d'informations peut être n'importe quelle entité ou dispositif capable de mémoriser les programme. Par exemple, le support peut comporter un moyen de mémorisation, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une disquette (floppy disc) ou un disque dur. D'autre part, le support d'informations peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Les programmes selon l'invention peuvent être en particulier téléchargé sur un réseau de type internet. Alternativement, le support d'informations peut être un circuit intégré dans lequel les programmes sont incorporés, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution des procédés selon l'invention.

23 REVENDICATIONS

1 - Procédé pour construire informatiquement un phonétiseur à partir d'un corpus (C) enregistré dans une base de données (BD) et comprenant des couples composés chacun d'une chaîne graphique (CG) incluant des éléments graphiques et d'une chaîne phonétique (CP) incluant des éléments phonétiques, caractérisé en ce qu'il comprend les étapes suivantes: construction informatique (El) et enregistrement dans la base (BD), d'un automate compilant des règles de transcription (R) résultant d'une analyse de correspondances graphème/phonème dans les couples de chaînes lus dans le corpus (C), ledit automate comportant des états (Et) et transitions d'état

déduits des règles de transcription, chaque état

étant un lien entre deux correspondances graphème/phonème consécutives dans un couple de chaînes graphique et phonétique, et chaque transition (T) chaînant deux états ayant en commun une correspondance graphème/phonème, les transitions relatives à la transcription d'une chaîne graphique en une chaîne phonétique formant un chemin de transitions dans l'automate, et détermination (E2) et enregistrement dans la base, de probabilités (P(T)) des transitions en sortie de noeuds de l'automate situant les correspondances graphème/phonème communes aux transitions, afin de construire le phonétiseur (P) en combinant l'automate et les probabilités de transitions déterminées.

2 - Procédé conforme à la revendication 1, selon lequel la construction d'automate comprend les sous- étapes suivantes: 2878991 24 alignement (E11) des éléments graphiques des chaînes graphiques (CG) avec les éléments phonétiques des chaînes phonétiques (CP) associées aux chaînes graphiques en des correspondances graphème/phonème, recensement (E12) des règles de transcription à partir d'une analyse de correspondances gauche et droite de chaque correspondance dans chaque couple de chaînes graphique et phonétique associées, et construction (E13) et enregistrement sous la forme d'un fichier dans la base dudit automate comportant des états (Et) et transitions (T) déduits des règles de transcription recensées 3 Procédé conforme à la revendication 1 ou 2, selon lequel l'étape de détermination de probabilités de transitions comprend les sous-étapes suivantes: pondération (E20) de chaque transition (Tn) de l'automate par une probabilité de transition (P(Tn)) choisie arbitrairement, détermination (E21) de probabilité (P(CT)) d'au moins un chemin de transitions représentatif de la transcription de chaque chaîne graphique en au moins une chaîne phonétique associée en fonction des probabilités des transitions du chemin, sélection (E22) pour chaque chaîne graphique du chemin de transitions (CTmax) ayant la plus grande probabilité, incrémentation (E23) de variables (VT) respectivement associées aux transitions et représentatives de nombres de traversées des transitions par les chemins de transitions sélectionnés (CTmax), et estimation (E25) de nouvelles probabilités de transition (P(T)) en fonction des variables de transition (VT) précédemment déterminées.
2878991 25 4 - Procédé conforme à la revendication 3, selon lequel l'étape de détermination de probabilités de transitions comprend en outre une réitération (E26) des étapes de détermination de probabilité de chemin, sélection, incrémentation et estimation en fonction des nouvelles probabilités de transition jusqu'à une sensible convergence desdites probabilités de transition afin de combiner l'automate et les probabilités de transition en le phonétiseur (P).

- Système informatique pour construire un phonétiseur à partir d'un corpus (C) enregistré dans une base de données (BD) et comprenant des couples composés chacun d'une chaîne graphique (CG) incluant des éléments graphiques et d'une chaîne phonétique (CP) incluant des éléments phonétiques, caractérisé en ce qu'il comprend: un module (MCA) pour construire informatiquement et enregistrer dans la base (BD), un automate compilant des règles de transcription (R) résultant d'une analyse de correspondances graphème/phonème dans les couples de chaîne lus dans le corpus (C), ledit automate comportant des états (Et) et transitions d'état déduits des règles de transcription, chaque état étant un lien entre deux correspondances graphème/phonème consécutives dans un couple de chaînes graphique et phonétique, et chaque transition (T) chaînant deux états ayant en commun une correspondance graphème/phonème, les transitions relatives à la transcription d'une chaîne graphique en une chaîne phonétique formant un chemin de transitions dans l'automate, et un module (MDP) pour déterminer et enregistrer dans la base, des probabilités (P(T)) des transitions 2878991 26 en sortie de noeuds de l'automate situant les correspondances graphème/phonème communes aux transitions, afin de construire le phonétiseur (P) en combinant l'automate et les probabilités de transitions déterminées.

6 - Programme d'ordinateur apte à être mis en oeuvre sur un système informatique pour construire un phonétiseur (P) à partir d'un corpus (C) enregistré dans une base de données (BD) et comprenant des couples composés chacun d'une chaîne graphique (CG) incluant des éléments graphiques et d'une chaîne phonétique (CP) incluant des éléments phonétiques, caractérisé en ce qu'il comprend des instructions de programme qui, lorsque le programme est chargé et exécuté sur ledit système informatique, réalisent les étapes: construction informatique (El) et enregistrement dans la base (BD), d'un automate compilant des règles de transcription (R) résultant d'une analyse de correspondances graphème/phonème dans les couples de chaînes lus dans le corpus (C), ledit automate comportant des états (Et) et transitions d'état déduits des règles de transcription, chaque état étant un lien entre deux correspondances graphème/phonème consécutives dans un couple de chaînes graphique et phonétique, et chaque transition (T) chaînant deux états ayant en commun une correspondance graphème/phonème, les transitions relatives à la transcription d'une chaîne graphique en une chaîne phonétique formant un chemin de transitions dans l'automate, et détermination (E2) et enregistrement dans la base, de probabilités (P(T)) des transitions en sortie de noeuds de l'automate situant les 2878991 27 correspondances graphème/phonème communes aux transitions, afin de construire le phonétiseur (P) en combinant l'automate et les probabilités de transitions déterminées.
7 Procédé informatique pour vérifier l'exactitude d'une chaîne graphique requise (CGRQ) au moyen d'un phonétiseur (P) et d'un dictionnaire informatique de chaînes graphiques (DG), caractérisé en ce que le procédé comprend les étapes suivantes: construction (El, E2) du phonétiseur par construction informatique d'un automate compilant des règles de transcription (R) résultant d'une analyse de correspondances graphème/phonème dans des couples de chaînes graphique et phonétique lus dans un corpus (C) et par détermination de probabilités (P(T)) de transitions entre des correspondances graphème/phonème, au moyen du phonétiseur (P), construction (E3, E4) d'un dictionnaire informatique de signatures phonétiques (DSP) en transcrivant les chaînes graphiques (CGD) du dictionnaire de chaînes graphiques (DG) chacune en au moins une signature phonétique (CPD) et en les reliant informatiquement aux chaînes graphiques, et détermination de

probabilités des transcriptions des chaînes

graphiques en les signatures phonétiques, au moyen du phonétiseur (P), détermination (E5) d'une transcription de la chaîne graphique requise (CGRQ) en au moins une signature phonétique de requête (CPRQ) et détermination d'une probabilité de la transcription précédente, et recherche (E6) de signatures phonétiques (CPD) dans le dictionnaire de signatures phonétiques (DSP) 35 sensiblement identiques à ladite au moins une 2878991 28 signature phonétique de requête (CPRQ) pour en déduire des chaînes graphiques attestées (CGA) mémorisées dans le dictionnaire de chaînes graphiques (DG) et reliées à ladite au moins une signature phonétique.

8 - Procédé conforme à la revendication 7, comprenant en outre une détermination (E7) de probabilités d'usage des chaînes graphiques attestées en fonction de ladite probabilité de transcription précédente déterminée, et un classement (E8) des chaînes graphiques attestées en fonction des probabilités d'usage déterminées.

9 - Système informatique pour vérifier l'exactitude d'une chaîne graphique requise (CGRQ), comprenant un phonétiseur (P) et un dictionnaire informatique de chaînes graphiques (DG), caractérisé en ce qu'il comprend: un module (MCA, MDP) pour construire le phonétiseur par construction informatique d'un automate compilant des règles de transcription (R) résultant d'une analyse de correspondances graphème/phonème dans des couples de chaînes graphique et phonétique lus dans un corpus (C) et par détermination de probabilités (P(T)) de transitions entre des correspondances graphème/phonème, un moyen (MCD) à l'aide du phonétiseur pour construire un dictionnaire informatique de signatures phonétiques (DSP) en transcrivant les chaînes graphiques (CGD) du dictionnaire de chaînes graphiques (DG) chacune en au moins une signature phonétique (CPD) et en les reliant informatiquement aux chaînes graphiques, 2878991 29 un moyen (MCD) à l'aide du phonétiseur pour déterminer des probabilités des transcriptions des chaînes graphiques (CGD) en les signatures phonétiques, un moyen (MTCRQ) à l'aide du phonétiseur pour déterminer une transcription de la chaîne graphique requise (CGRQ) en au moins une signature phonétique de requête (CPRQ), un moyen (MTCRQ) pour déterminer une probabilité

de la transcription précédente, et

un moyen (MRCD) pour rechercher des signatures phonétiques (CPD) dans le dictionnaire de signatures phonétiques (DSP) sensiblement identiques à ladite au moins une signature phonétique de requête (CPRQ) pour en déduire des chaînes graphiques attestées (CGA) mémorisées dans le dictionnaire de chaînes graphiques (DG) et reliées à ladite au moins une signature phonétique.

10 - Programme d'ordinateur apte à être mis en oeuvre sur un système informatique pour vérifier l'exactitude d'une chaîne graphique requise (CGRQ), comprenant un phonétiseur (P) et un dictionnaire informatique de chaînes graphiques (DG), caractérisé en ce que le programme comprend des instructions de programme qui, lorsque le programme est chargé et exécuté sur ledit système informatique, réalisent les étapes de: construction (El, E2) du phonétiseur par construction informatique d'un automate compilant des règles de transcription (R) résultant d'une analyse de correspondances graphème/phonème dans des couples de chaînes graphique et phonétique lus dans un corpus (C) et par détermination de probabilités (P(T)) de 2878991 30 transitions entre des correspondances graphème/phonème, construction (E3, E4) d'un dictionnaire informatique de signatures phonétiques (DSP) en transcrivant les chaînes graphiques (CGD) du dictionnaire de chaînes graphiques (DG) chacune en au moins une signature phonétique (CPD) et en les reliant informatiquement aux chaînes graphiques, et détermination de probabilités des transcriptions des chaînes graphiques en les signatures phonétiques, détermination (E5) d'une transcription de la chaîne graphique requise (CGRQ) en au moins une signature phonétique de requête (CPRQ) etdétermination d'une probabilité de la transcription précédente, et recherche (E6) de signatures phonétiques (CPD) dans le dictionnaire de signatures phonétiques (DSP) sensiblement identiques à ladite au moins une signature phonétique de requête (CPRQ) pour en déduire des chaînes graphiques attestées (CGA) mémorisées dans le dictionnaire de chaînes graphiques (DG) et reliées à ladite au moins une signature phonétique.

11 - Phonétiseur pour transcrire une chaîne graphique requise (CGRQ) en une signature phonétique, recourant à un dictionnaire informatique de chaînes graphiques (DG), caractérisé en ce qu'il comprend: un moyen (MCD) pour construire un dictionnaire informatique de signatures phonétiques (DSP) en transcrivant les chaînes graphiques (CGD) du dictionnaire de chaînes graphiques (DG) chacune en au moins une signature phonétique (CPD) et en les reliant informatiquement aux chaînes graphiques, un moyen (MCD) pour déterminer des probabilités de transcriptions des chaînes graphiques en les signatures phonétiques, un moyen (MTCRQ) pour déterminer une transcription de la chaîne graphique requise (CGRQ) en au moins une signature phonétique (CPRQ), et un moyen (MTCRQ) pour déterminer une probabilité de la transcription précédente.