Le résumé automatique de textes - LaLIC - Université Paris-Sorbonne

Chapitre 3 : L’annotation discursive à partir d’EXCOM
2. Le projet EXCOM d’annotation automatique
2.1. Introduction et présentation du système EXCOM
Le système EXCOM (EXploration COntextuelle Multilingue) a été conçu dans le
cadre de l’annotation automatique de textes à travers des catégories sémantiques 42
dégagées par des linguistes, et ceci dans l’objectif de répondre à certains types de tâches
comme la fouille de textes, la recherche d’informations, le résumé automatique, la
construction de fiches de synthèse, etc. Sa particularité est qu’il repose entièrement sur
l’utilisation de ressources linguistiques (marqueurs et règles d’annotation) développées
par l’homme à partir d’analyses sur corpus. Le principe d’annotation automatique
repose sur la méthode d’exploration contextuelle qui exploite ces ressources
linguistiques mises à disposition dans le système.
Dès sa conception, et par les principes mêmes qui sont utilisés, EXCOM a eu pour
but de s’appliquer à plusieurs langues. Plusieurs travaux sur l’annotation automatique
de textes dans d’autres langues ont été intégrés dans certaines tâches du système
(résumé en bulgare [Atanassova 2006] et en chinois [Zhang 2006] par exemple). En
effet, l’architecture d’EXCOM n’a pas été conçue à partir du traitement d’une seule
langue, chaque module intervenant dans le traitement du texte (segmentation en phrases,
annotation sémantique, etc.) doit pouvoir fonctionner pour toutes les langues en
employant les ressources développées pour chacune.
Au sein du laboratoire LaLIC, le système EXCOM s’inscrit dans la suite de la
plate-forme d’annotation ContextO qui utilisait également la méthode d’exploration
contextuelle. La plate-forme ContextO était développée en langage JAVA [Crispino
2003], et s’employait seulement pour le français dans différentes applications comme le
résumé automatique [Minel et Desclés 2000]. Cependant, l’objectif d’EXCOM est plus
ambitieux, parce que des applications sur plusieurs langues ont été intégrées (résumé en
français, en bulgare, en coréen, et en chinois), ensuite parce que l’annotation
sémantique est également amenée à s’insérer dans des projets plus larges tels que celui
42 On emploie la notion de catégorie sémantique au sens large, les catégories discursives que nous
emploierons dans la suite en sont des sous-catégories spécifiques pour un certain niveau de description.
105