A data intensive approach for characterizing speech interpersonal dynamics in natural conversations / Simone Fuscone ; sous la direction de Laurent Prévot et de Benoît Favre

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : anglais / English

Catalogue Worldcat

Parole -- Discours (linguistique)

Analyse de la conversation

Interlocution (linguistique)

Convergence (linguistique)

Prévot, Laurent (1978-....) (Directeur de thèse / thesis advisor)

Favre, Benoît (19..-....) (Directeur de thèse / thesis advisor)

Beňuš, Štefan (Président du jury de soutenance / praeses)

Riccardi, Giuseppe (19..-....) (Rapporteur de la thèse / thesis reporter)

Hirschberg, Julia (19..-....) (Rapporteur de la thèse / thesis reporter)

Bertrand, Roxane (Membre du jury / opponent)

Aix-Marseille Université (2012-....) (Organisme de soutenance / degree-grantor)

Ecole Doctorale Cognition, Langage et Education (Aix-en-Provence) (Ecole doctorale associée à la thèse / doctoral school)

Laboratoire Parole et langage (Aix-en-Provence, Bouches-du-Rhône) (Laboratoire associé à la thèse / thesis associated laboratory)

Laboratoire d’Informatique et Systèmes (LIS) (Marseille, Toulon) (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : Lors d’une conversation, les participants ont la tendance à accorder, consciemment ou non, leur production communicative par rapport à leur interlocuteur. Il est généralement admis que dans des circonstances normales, ce phénomène entraîne une convergence des paramètres de parole des deux participants. Il est généralement connu que dans des circonstances normales, ce phénomène génère une convergence des paramètres du discours des deux participants. Alors que ces études impliquent souvent des conditions de laboratoire contrôlées, les mécanismes qui régissent le phénomène dans les conversations naturelles sont moins connus, en raison du flux spontané des conversants et de la grande variabilité des paramètres suivis. En outre, on ne sait pas encore très bien comment les participants modifient leur style de parole (c'est à dire la dynamique) au cours de la conversation et quels sont les facteurs qui influencent ces modifications. Cette thèse présente une nouvelle méthodologie pour aborder ces aspects.

Résumé / Abstract : During a conversation, participants tend to tune, consciously or not, their communicative production in regards to their interlocutor. It is generally admitted, that under standard circumstances, these phenomena result in convergence of the two participants’ speech parameters. Past literature offers a large part of studies describing the effects of convergence in interpersonal dynamics but there are still some unclear aspects. These concerns firstly the mechanisms that rule the phenomenon in natural conversations. These are hard to be studied due to the spontaneous flow of the conversants that results to be noisy and variable. In second place in this kind of conversation is still not well known how participants modify their speech style (the dynamics i.e.) in the course of the conversation. In this thesis, we aim to validate previous results in acoustic-prosodic convergence and provide novel approaches to have a partial a posteriori filter on natural conversations and to track the interpersonal dynamics. We used classical machine learning approaches (Linear mixed models, Random forest e.g.) and more recent algorithms of deep learning (LSTM architecture). These results extend the landscape of convergence effects in the not controlled dataset and offer novel approaches, concerning the method to control the variability of natural conversations and the prediction task paradigm to evaluate the interpersonal dynamics, consisting in evaluating the influence of the speaker and interlocutor on each other speech style.