Présentation
RÉSUMÉ
Souvent, les humains doivent lire des documents dont les contenus sont complexes et longs à assimiler. L’objectif d’un résumé est de réduire la quantité d’effort nécessaire à l’acquisition des connaissances contenues dans un document. Un résumé peut être défini comme une représentation condensée, intelligible par un humain et non critique du contenu d’un autre document. La génération automatique de résumé (GAR) est utilisée pour répondre à ce besoin, et également plus largement pour synthétiser plusieurs textes. Elle s’applique également à des documents dans d’autres formats que le texte : les images, les sons et les vidéos.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Jean-Yves DELORT : Maître de conférences à l’université de Montpellier-2 , laboratoire d’informatique, de robotique et de microélectronique de Montpellier (LIRMM)
INTRODUCTION
Pour satisfaire leurs besoins en information ou acquérir des connaissances, les humains doivent souvent lire des documents dont les contenus sont complexes et longs à assimiler. L’objectif d’un résumé est de réduire la quantité d’effort nécessaire à l’acquisition des connaissances contenues dans un document. Un résumé peut être défini comme une représentation condensée, intelligible par un humain et non critique du contenu d’un autre document :
-
représentation condensée : un résumé permet de se faire rapidement une idée du contenu du document initial ;
-
intelligible par un humain : un résumé permet de diminuer les efforts nécessaires à un humain pour acquérir les connaissances contenues dans un document. L’humain est l’utilisateur direct d’un résumé. De ce fait, un résumé diffère d’une indexation ou d’une représentation servant à l’extraction ou au raisonnement à partir de connaissances ;
-
non critique : un résumé ne contient pas de commentaires ou de points de vue sur le document initial.
Nous démontrons ici l’intérêt de la génération automatique de résumé de documents avant d’analyser le problème et enfin de donner les principales solutions actuellement utilisées. Nous nous intéressons aux principales applications et aux concepts de la génération automatique de résumé (GAR). Après avoir expliqué le principe de la GAR, nous exposons les différents types d’améliorations qui peuvent être apportées. Les problématiques et les méthodes utilisées pour la GAR peuvent s’appliquer à la synthèse de plusieurs textes. Enfin, nous détaillons les problématiques et les méthodes de GAR de documents dans d’autres formats que le texte : les images, les sons et les vidéos.
Cet article est réservé aux abonnés.
Il vous reste 95 % à découvrir.
Déjà abonné ? Se connecter
DOI (Digital Object Identifier)
Présentation
Résumé de documents non textuelsArticle inclus dans l'offre
"Documents numériques Gestion de contenu"
(66 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
5. Génération de multirésumés textuels
Un multirésumé est la synthèse d’une collection de documents. Généralement, les utilisateurs de multirésumés sont intéressés par deux types de synthèse : la synthèse thématique et la synthèse temporelle. Un multirésumé thématique (§ 5.1) met en valeur des informations communes à plusieurs documents différents tandis qu’un multirésumé temporel (§ 5.2) tient compte des relations temporelles entre les documents.
5.1 Multirésumé thématique
Le premier problème des méthodes de génération automatique de multirésumé thématique est d’identifier des points communs entre des documents ou des idées dominantes. Pour y parvenir, ces méthodes utilisent des algorithmes d’apprentissage non supervisés. Ceux-ci permettent d’identifier des classes de phrases exprimant une ou plusieurs idées communes. Le second problème est de déterminer quelles classes contiennent les idées dominantes ou les plus caractéristiques de la collection. Une heuristique courante est de considérer que les classes ayant le plus grand nombre d’éléments sont les plus importantes. Enfin, le dernier problème est celui de la sélection des phrases dans les classes importantes. C’est la phrase la plus proche du centre de la classe (le centroid) qui est généralement choisie. En effet, cette phrase est la mieux placée pour représenter toutes les autres (figure 8). Au moment de l’assemblage des phrases, on doit toujours faire face au même problème que pour le résumé : manque de cohésion, manque de cohérence et ressemblance des phrases choisies.
Le Web offre des opportunités très intéressantes pour les entreprises qui souhaitent avoir un retour d’information sur leurs produits ou pour celles qui désirent étudier des besoins ou des caractéristiques de populations sans se baser uniquement sur des sondages qui sont coûteux et ne concernent que des petits échantillons. L’encadré suivant décrit les grandes lignes d’une méthode présentée...
Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.
Déjà abonné ? Se connecter
Génération de multirésumés textuels
Article inclus dans l'offre
"Documents numériques Gestion de contenu"
(66 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
BIBLIOGRAPHIE
-
(1) - * - Start, Natural Language Question Answering System. http://start.csail.mit.edu
-
(2) - ZHANG (Y.), ZINCIR-HEYWOOD (N.), MILIOS (E.) - World wide web site summarization - . Web Intelligence and Agent Systems, 2, no 1, 39-53 (2004).
-
(3) - RADEV (D.R.), OTTERBACHER (J.), WINKEL (A.), BLAIR-GOLDENSOHN (S.) - NewsInEssence: summarizing online news topics - . Communications of the ACM, 48 (10), 95-98 (2005).
-
(4) - BARD (S.) - Méthodes d’évaluation de la qualité de données géographiques généralisées - . Thèse de doctorat, université Paris-6 (2004).
-
(5) - PASSONNEAU (R.), KUKICH (K.), HATZIVASSILOGLOU (V.), LEFKOWITZ (L.), JING (H.) - Generating summaries of work flow diagrams - . Proceedings of the International Conference on Natural Language Processing and Industrial Applications, 204-210, New Brunswick, Canada (1996).
-
(6)...
Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.
Déjà abonné ? Se connecter
Article inclus dans l'offre
"Documents numériques Gestion de contenu"
(66 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
