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

Chapitre 2 : Le résumé automatique de textes
éléments de cette représentation à partir d’une certaine hiérarchie d’importance qui
tenait compte également des besoins de l’utilisateur. Enfin, on générait le résumé
textuel à partir des propositions les plus pertinentes. Ce système était conçu pour
résumer des textes scientifiques. Toutefois, il ne fut jamais complet et beaucoup de
traitements n’ont jamais pu réellement se faire automatiquement par le système. Son
ambition fut plus grande que la capacité réelle des moyens conceptuels (à travers le
modèle de Kintsch et Van Dijk principalement) et techniques (issues de l’intelligence
artificielle), qui, croyait-on à l’époque, aurait pu résoudre cette activité résumante
automatiquement.
2.3. L’approche par extraction avec analyse de surface
Le second type d’approche est celui qui consiste en la production de résumés par
extraction et qui s’inspire en partie des approches issues de la recherche d’informations.
Ce rapprochement avec la recherche d’informations 26 fait que, de nos jours, le résumé
automatique en devient une branche spécifique au sein de ses applications sur des
données textuelles (fouilles textuelles, etc.). L’objectif de cette approche est de pouvoir
fournir rapidement et sans analyse en profondeur du texte un résumé à l’utilisateur. On
repère et extrait les segments textuels (phrases ou paragraphes) les plus pertinents du
texte afin de construire un sous-ensemble d’extraits textuels que l’on considère comme
un résumé. Le travail principal se situe alors dans l’évaluation de la pertinence des
segments textuels suivant un ou plusieurs critères. On peut dissocier deux principales
façons de faire : soit par l’emploi de techniques numériques/statistiques (c’est-à-dire
essentiellement quantitatives), soit par l’emploi de techniques linguistiques (plutôt
qualitatives).
Les techniques statistiques, en adéquation avec des modèles de recherche
d’informations (vectoriels par exemple, voir [Salton 1982]), prennent comme critère de
pertinence une valeur numérique associée à un segment textuel et qui est calculée par
une fonction de score portant sur un ou plusieurs critères variables. Un segment textuel
est alors extrait si sa valeur est suffisamment élevée par rapport à un seuil et aussi par
26 Au sens actuel de recherche d’informations, c’est-à-dire essentiellement quantitative, numérique et ne
portant pas forcément uniquement sur du texte.
57