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

More documents

Recommendations

Info

$Université de Paris-Sorbonne $Paris IV$ - LaLIC - Université Paris ...$

Chapitre 4 : Processus et stratégies de résumé automatique actuellement en cours au laboratoire sur l’annotation de la temporalité dans les textes et aussi sur la causalité, il sera possible de proposer, comme nous le faisons ici, une stratégie de résumé portant sur les textes narratifs puisque nous aurons alors les ressources suffisantes pour leur annotation et pour la prise en compte de ses nouveaux critères. 2. Description technique et informatique du processus 2.1. Remarques préalables Cette deuxième partie va présenter les détails techniques et informatiques liés à quatre traitements distincts prenant place dans le processus résumant : l’extraction des termes thématiques (étape 1 du processus, voir partie 1.1.2.), le nettoyage des segments peu fiables (étape 3), l’application de la stratégie résumante avec l’extraction des phrases pertinentes (étape 4), et enfin le nettoyage final du résumé pour améliorer sa lisibilité (étape 5). Nous renvoyons au chapitre 3 pour une explication technique de la phase d’annotation discursive sur les textes (étape 2). Pour terminer, nous montrerons quelques résultats informatiques afin d’illustrer l’ensemble de ce travail, notamment les interfaces de visualisation (qui prennent place dans l’étape 6). Avant de commencer, nous voulons préciser que le programme général de résumé automatique, que nous avons conçu et qui contient tous les traitements évoqués ici, a été développé en langage PERL. Le choix du langage PERL (Pratical Extraction and Report Language) a été motivé par son efficacité reconnue pour manipuler et traiter le contenu de fichiers textes et XML. En effet lors du processus résumant, le contenu textuel du fichier source est manipulé de nombreuse fois, car la construction automatique d’un résumé nécessite de nombreuses opérations sur celui-ci (recherche de marqueurs par expressions régulières, opérations sur l’arbre XML correspondant à la représentation physique du texte, etc.). De plus, le langage PERL n’est pas dépendant d’un type de système d’exploitation et peut fonctionner parfaitement sur des systèmes Linux, Unix, ou Windows. Le programme général se charge pour l’essentiel de la gestion des fichiers traités (ouverture, écriture, etc.) et du lancement successif des différents traitements. 276
Chapitre 4 : Processus et stratégies de résumé automatique Certains traitements spécifiques du processus résumant sont exécutés en PERL, comme l’extraction des termes thématiques et l’annotation discursive 59 , d’autres sont effectués par des sous-programmes XSLT, comme l’extraction des phrases pertinentes à partir du document annoté pour élaborer le résumé suivant une certaine stratégie. Le langage fonctionnel XSLT (eXtensible Stylesheet Language Transformations) est particulièrement adapté pour la manipulation et la transformation de documents XML. Il permet d’accéder facilement aux éléments internes de l’arborescence XML, notamment avec XPATH (XML Path Language), et il garantit aussi une simplicité d’écriture des règles pour la manipulation des éléments XML puisqu’il a été élaboré principalement dans le cadre de cette tâche. 2.2. Extraction des termes thématiques Dans notre travail, nous avons choisi que les termes thématiques participant à l’évaluation de la pertinence soient extraits des titres et sous-titres du document (à la différence d’une méthode fréquentielle pour les dégager du texte). Pour cela, le repérage des titres et sous titres d’un document est possible à partir du segmenteur SEGATEX qui utilise plusieurs règles pour leur balisage. Nous avons vu dans le chapitre 3 (partie 2.2.2.) que SEGATEX commence par effectuer une segmentation du texte en phrases, puis exécute une segmentation en paragraphes regroupant une ou plusieurs phrases, puis une segmentation en sections regroupant des paragraphes, et enfin un repérage des titres en dernier. Une règle pour le repérage de titres est par exemple : si l’on a un paragraphe constitué d’une seule phrase, sans point final et comportant moins de dix mots, alors celui-ci est considéré comme un titre. Dans un tel cas, SEGATEX efface alors les balises de paragraphe et de phrase autour du segment textuel pour les remplacer par des balises de titre (voir figure 24). SEGATEX utilise aussi d’autres méthodes pour reconnaître les titres comme la présence initiale d’une numérotation dans une phrase. 59 Le programme EXCOM est écrit entièrement en PERL mais il fait aussi appel à de nombreuses règles XSLT à l’intérieur de son code. 277
Page 1:
Université Paris IV-Sorbonne Ecole
Page 4 and 5:
Sommaire Sommaire SOMMAIRE.........
Page 6 and 7:
Sommaire 6 2.2.1. La méthode d’e
Page 8 and 9:
Sommaire 2. CONSTRUCTION DE FICHES
Page 10 and 11:
Introduction une certaine stagnatio
Page 12 and 13:
Introduction Désormais, le domaine
Page 14 and 15:
Introduction adoptées… Une strat
Page 16 and 17:
Introduction 3. Description du plan
Page 18 and 19:
Introduction du résumé automatiqu
Page 20 and 21:
Chapitre 1 : L’activité résuman
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Page 32 and 33:
Page 34 and 35:
Page 36 and 37:
Page 38 and 39:
Page 40 and 41:
Page 42 and 43:
Chapitre 2 : Le résumé automatiqu
Page 44 and 45:
Page 46 and 47:
Page 48 and 49:
Page 50 and 51:
Page 52 and 53:
Page 54 and 55:
Page 56 and 57:
Page 58 and 59:
Page 60 and 61:
Page 62 and 63:
Page 64 and 65:
Page 66 and 67:
Page 68 and 69:
Page 70 and 71:
Page 72 and 73:
Page 74 and 75:
Page 76 and 77:
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Chapitre 3 : L’annotation discurs
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 128 and 129:
Page 130 and 131:
Page 132 and 133:
Page 134 and 135:
Page 136 and 137:
Page 138 and 139:
Page 140 and 141:
Page 142 and 143:
Page 144 and 145:
Page 146 and 147:
Page 148 and 149:
Page 150 and 151:
Page 152 and 153:
Page 154 and 155:
Page 156 and 157:
Page 158 and 159:
Page 160 and 161:
Page 162 and 163:
Page 164 and 165:
Page 166 and 167:
Page 168 and 169:
Page 170 and 171:
Page 172 and 173:
Page 174 and 175:
Page 176 and 177:
Page 178 and 179:
Page 180 and 181:
Page 182 and 183:
Page 184 and 185:
Page 186 and 187:
Page 188 and 189:
Page 190 and 191:
Page 192 and 193:
Page 194 and 195:
Page 196 and 197:
Page 198 and 199:
Page 200 and 201:
Page 202 and 203:
Page 204 and 205:
Page 206 and 207:
Page 208 and 209:
Page 210 and 211:
Page 212 and 213:
Page 214 and 215:
Page 216 and 217:
Page 218 and 219:
Page 220 and 221:
Page 222 and 223:
Page 224 and 225:
Page 226 and 227: Chapitre 3 : L’annotation discurs
Page 256 and 257: Chapitre 4 : Processus et stratégi
Page 296 and 297: Chapitre 5 : Evaluation et bilan de
Page 322 and 323: Chapitre 6 : Annotation et fiches d
Page 324 and 325: Chapitre 6 : Annotation et fiches d
Page 326 and 327:
Chapitre 6 : Annotation et fiches d
Page 328 and 329:
Page 330 and 331:
Page 332 and 333:
Page 334 and 335:
Page 336 and 337:
Page 338 and 339:
Page 340 and 341:
Page 342 and 343:
Page 344 and 345:
Page 346 and 347:
Page 348 and 349:
Chapitre 7 : Quelques aspects multi
Page 350 and 351:
Page 352 and 353:
Page 354 and 355:
Page 356 and 357:
Page 358 and 359:
Page 360 and 361:
Page 362 and 363:
Page 364 and 365:
Page 366 and 367:
Conclusion et perspectives 1. Dans
Page 368 and 369:
Conclusion et perspectives la méth
Page 370 and 371:
Conclusion et perspectives b. Les c
Page 372 and 373:
Bibliographie Bibliographie [Afante
Page 374 and 375:
Bibliographie [Bronckart 1993] Bron
Page 376 and 377:
Bibliographie [Endres-Niggemeyer et
Page 378 and 379:
Bibliographie [Lemaire et al. 2005]
Page 380 and 381:
Bibliographie [Popov et al. 2004] P
Page 382 and 383:
Table des illustrations Table des i
Page 384 and 385:
Table des illustrations 3. Liste de
show all

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

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?