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

Chapitre 2 : Le résumé automatique de textes
Des systèmes employant uniquement ou quasi-uniquement des techniques linguistiques
sont rares. Par exemple, des systèmes par extraction multicritères comme ceux proposés
par H.P. Edmundson [Edmundson 1969], J. Kupiec [Kupiec et al. 1995] ou encore S.
Teufel [Teufel 1997] utilisent des connaissances linguistiques sous la forme
d’heuristiques. Effectivement, la présence dans une phrase de cue phrases, de termes
provenant du titre, et la localisation de la phrase dans le texte sont des critères
initialement linguistiques qui sont intégrés dans ces systèmes pour évaluer la pertinence
des phrases. Si ces systèmes par extraction exploitent des valeurs numériques issues de
manipulations quantitatives, ils intègrent bien toutefois des connaissances sur les textes
n’ayant à la base aucune valeur quantitative. Finalement, au sein des systèmes où il
existe cet aspect multicritère dans l’évaluation de la pertinence, des critères d’origine
linguistique sont très souvent utilisés. Malgré tout, il reste difficile de les considérer
comme des techniques réellement linguistiques.
Dans d’autres travaux, on trouve un emploi plus direct et plus important de
techniques et de connaissances linguistiques, mais toujours de manière complémentaire.
Ainsi, il existe de nombreux systèmes de résumé automatique qui emploient
conjointement au traitement principal des dictionnaires sémantiques lexicaux comme
WordNet pour effectuer des identifications de thèmes [Barsilay et Elhdad 1997], des
méthodes de parsing pour trouver notamment les groupes nominaux, [Barsilay et
Elhdad 1997] et pour reconstituer des structures discursives, des analyseurs
morphosyntaxiques et syntaxiques, des segmenteurs linguistiques, etc.
Par ailleurs d’autres travaux intègrent des techniques et des analyses linguistiques
comme éléments principaux du traitement, et cela notamment avec une plus grande
prise en compte de la structuration du texte. On peut faire référence par exemple aux
travaux de D. Marcu [Marcu 1997] qui exploitent la structure rhétorique du texte selon
la RST (Rhetorical Structure Theory, [Mann et Thompson 1988]). L’hypothèse
linguistique (de niveau rhétorique) étant que les nuclei de la RST semblent correspondre
aux éléments les plus pertinents du texte du fait d’une forte corrélation (empirique)
entre eux. Il utilise entre autres la présence de marqueurs à la surface du texte pour
reconstruire automatiquement les relations rhétoriques à l’intérieur du texte. On peut
également donner l’exemple des travaux de Ono [Ono et al. 1994] qui s’appliquent à
résumer des articles techniques et des éditoriaux en japonais. L’idée ici est que la
70