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

Chapitre 2 : Le résumé automatique de textes
exemple qui montre une non-monotonie dans l’arrangement de critères pour le résumé
d’articles scientifiques. Comment attribuer les bonnes valeurs pour les coefficients α 1 ,
α 2 ,..., α k-1 et α k appliquées aux k critères c 1 , c 2 ,… c k-1 , c k retenus ? Si c’est le concepteur
qui peut le faire, dans ce cas les valeurs deviennent totalement arbitraires, ou bien si
cela se fait à la suite d’un apprentissage statistique, alors cela devient dépendant du
corpus d’apprentissage.
Présentons maintenant quelques autres techniques toujours de type numérique.
Certains travaux comme ceux de M. Mitra [Mitra 1997] et G. Salton [Salton
1997] s’inspirent totalement des méthodes employées dans la recherche d’informations
classique. Ils emploient des techniques issues du modèle vectoriel, voir [Salton 1982].
Le texte et les segments délimités qui le composent (les paragraphes dans les travaux de
Mitra) sont considérés comme des vecteurs dans un espace à n dimension, où n étant le
nombre de mots représentant le texte 31 . Dans ce modèle, le sens du texte est associé à
l’ensemble des termes qui le compose. Les coordonnées des vecteurs de chaque
segment textuel correspondent aux valeurs déterminées à partir de la fréquence de
chaque mot dans le texte. On peut par la suite alors effectuer des calculs de similarité
entre chaque vecteur. Les vecteurs qui sont les plus reliées aux autres correspondent aux
segments les plus pertinents puisque on prend pour hypothèse que les segments
importants englobent thématiquement les autres. Il existe de nombreux autres travaux
qui s’inspirent de ce même modèle ou qui en sont proches techniquement (pas
forcément conceptuellement). Notamment, on peut citer le travail de Goldstein
[Goldstein 2000] pour le résumé multidocument qui calcule la similarité entre les
phrases dans le cadre de la sémantique latente (latent semantic).
Certains autres travaux utilisent un modèle probabiliste provenant toujours de ce
qui se fait en recherche d’informations, voir [Ribeiro et al. 1998]. L’idée est de calculer
pour chaque phrase la probabilité conditionnelle qu’elle a d’être dans le résumé par
rapport à tous les critères qui sont retenues. Plus la probabilité est élevée, plus la phrase
a de chance d’apparaître dans le résumé. La probabilité pour un segment S d’être dans le
résumé R à partir de k critères prend alors la forme suivante :
31 C’est-à-dire tous les différents mots « pleins » du texte. Les mots « vides » correspondent aux articles,
déterminants et autres termes grammaticaux aucunement représentatifs du texte.
67