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

Chapitre 2 : Le résumé automatique de textes
rapport à la valeur des autres segments. Les critères pris en compte dans l’évaluation
d’un segment jugé pertinent sont relativement hétérogènes. Les principaux sont la
fréquence de termes représentatifs du texte, la position dans le texte, la présence de
termes contenus dans le titre, la présence de certaines marques linguistiques (comme les
cue phrases), etc. Ce qui caractérise ces méthodes numériques/statistiques, c’est
qu’elles travaillent sur des valeurs entièrement numériques calculées pour certaines à
l’aide de poids et de valeurs arbitrairement données ou dépendantes d’un apprentissage.
Nous soulignons la présence forte aujourd’hui des techniques par apprentissage dans le
cadre du résumé automatique, travaillant sur des corpus textes/résumés, et qui
s’intègrent généralement dans notre classification parmi les méthodes statistiques. Il
existe beaucoup de travaux utilisant des techniques statistiques et numériques, toutefois
nous n’en citerons que deux pour illustration, et qui nous semblent caractéristiques pour
comprendre l’approche par extraction. Les travaux de M. Mitra [Mitra et al. 1997] et de
G. Salton [Salton et al. 1997] sont représentatifs de ce courant statistique avec
l’exploitation d’outils issus de la recherche d’informations. Effectivement, ils proposent
l’extraction de segments textuels (paragraphes ou phrases) à partir de calculs de
similarité entre chaque segment représenté chacun par un vecteur. Les coordonnées des
vecteurs correspondent à des valeurs numériques telles que la fréquence de termes
(mots-pleins), etc. Les segments textuels les plus pertinents pour le résumé sont ainsi
ceux qui sont les plus liées au reste du texte (c’est-à-dire par rapport aux autres
paragraphes). Pour un autre exemple de travail à partir de techniques statistiques, on
renvoie à ceux de S. Teufel et M. Moens [Teufel et Moens 99] qui proposent une
méthode par apprentissage statistique permettant d’ajuster les différentes heuristiques
évaluant la pertinence des phrases. Ces heuristiques correspondent à la présence de cue
phrases, à la position textuelle, à la présence de termes thématiques, etc.
L’apprentissage s’effectue sur un corpus d’articles scientifiques avec leur résumé
construit par les auteurs.
Le deuxième groupe de techniques dans les approches par extraction, regroupent
celles de nature linguistiques qui s’appuient, pour évaluer la pertinence des segments
textuels, sur la présence de marques linguistiques de surface auxquelles on associe un
certain rôle (discursif, sémantique…) et non une simple valeur numérique. Elles
s’appuient aussi sur d’autres critères liés au texte et à sa structure, comme la position de
la phrase. L’objectif est de repérer les segments textuels les plus importants par des
connaissances linguistiques sur le texte (ensemble de marques, structuration discursive,
58