Reconnaissance de Textes Arabes à Vocabulaire Ouvert
Abstract
Ce papier fait suite aux travaux initiés dans [Kanoun02] portant sur la reconnaissance de textes arabes imprimés. Le prototype proposé ici s'appuie de la même manière sur l'utilisation d'un moteur de vérification morpho-syntaxique de la langue arabe pour filtrer les hypothèses générées à la suite d'une reconnaissance analytique de chaque mot. L'architecture du système proposée dans ce travail consiste à utiliser les outils de vérification linguistique uniquement en phase de post-traitement et permet de traiter l'ensemble du vocabulaire arabe (mots décomposables et non). Ce système est conçu de manière à permettre des interactions avec l'utilisateur en cas d'échec de la reconnaissance pour alimenter les différents lexiques utilisés. Un tel scénario devrait permettre d'envisager un système de reconnaissance à vocabulaire très large et évolutif en ligne. Pour la reconnaissance, un nouvel algorithme de segmentation, des caractéristiques à base de descripteurs de Fourier et un ensemble de graphèmes de base sont introduits. La validation de ce nouveau prototype a été menée sur une nouvelle base de mots.