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

Chapitre 4 : Processus et stratégies de résumé automatique
2.3.5. Conclusion
A partir de cette identification des segments peu fiables, on s’assure de mieux
dégager les segments les plus pertinents. Cependant, ce procédé de « nettoyage » des
segments peu fiables par la présence de marques linguistiques de surface dans les
phrases est de nature heuristique. Ce procédé est valide dans la plus grande partie des
cas parce que l’on s’appuie sur des connaissances linguistiques et des emplois
argumentatifs dans les textes scientifiques, mais il peut se montrer inefficace dans
certains cas où d’autres possibilités de l’argumentation permettent à une phrase dont le
contenu est incertain ou purement illustratif d’être très pertinente. Cependant, étant
donné la difficulté d’une telle tâche, nous en restons à ce procédé suffisamment efficace
pour s’assurer de la fiabilité d’un segment sans ambiguïté.
2.4. Hiérarchisation et sélection des segments pour le résumé
C’est à la suite de la phase d’annotation discursive automatique (étape 2) que nous
obtenons un texte annoté où nous pourrons alors identifier les segments les plus
pertinents. Le texte annoté est dans un format XML, où la structure physique et les
informations discursives sont décrites par des balises et des attributs, c’est-à-dire sous la
forme de métadonnées superposées au texte.
Nous avons expliqué que la décision d’extraire un segment textuel se faisait
essentiellement à partir de son annotation. Cependant, la répartition des annotations en
fonction de leur localisation physique dans le texte n’est pas encore faite à la suite de la
phase d’annotation, et nous avons dit que ce critère supplémentaire pouvait être très
utile, en plus de l’annotation, pour décider de l’extraction d’une phrase pour le résumé.
Pour ce faire, nous précisons pour chaque segment annoté sa localisation au sein de la
structure physique du texte. Du point de vue informatique cela correspond à l’ajout d’un
attribut XML supplémentaire aux balises de phrases annotées sémantiquement. Trois
valeurs sont actuellement affectées : debut si le segment est dans les premiers 10% de
phrases du texte, fin si le segment est dans les derniers 10% de phrases du texte, et
enfin corps s’il se situe entre les deux. Ces valeurs sont totalement arbitraires, et il est
largement suffisant dans notre cas. Toutefois, il est possible également de donner à
287