Article de référence | Réf : H7260 v1

Concepts clés
Génération automatique de résumés

Auteur(s) : Jean-Yves DELORT

Date de publication : 10 mai 2007

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

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’article

ABSTRACT

Human beings often have to read documents whose content is complex and long to assimilate. The aim of a summary is to reduce the quantity of necessary efforts in order to assimilate the knowledge contained within a document. A summary can be defined as a representation which is condensed, understandable by human beings and not critical of the content of another document. The automatic summary generation is used to meet such needs and more generally to synthesize several texts. It also applies to documents with different formats such as images, sounds and videos.

Auteur(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 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-h7260


Cet article fait partie de l’offre

Documents numériques Gestion de contenu

(73 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation

2. Concepts clés

Nous venons de voir différentes utilisations d’outils et de méthodes de GAR. Dans la suite, nous expliquons le principe général du résumé automatique de documents puis nous analysons le fonctionnement des techniques de GAR selon qu’elles servent à construire un résumé ou un multirésumé et en fonction du média et du nombre de documents à traiter.

2.1 Principales caractérisations

HAUT DE PAGE

2.1.1 Résumé versus multirésumé

Les problématiques liées à la GAR diffèrent selon que l’on cherche à résumer un ou plusieurs documents. En effet, pour résumer un unique document, il est nécessaire d’identifier puis d’organiser les informations essentielles contenues tout en étant le plus fidèle possible à sa logique discursive. Lorsque l’on résume plusieurs documents, on peut désirer que, par exemple, le résumé synthétise les principales ressemblances ou différences entre les documents, ou que le résumé tienne compte d’éventuelles relations entre les documents (par exemple, des liens hypertextes ou un ordre temporel). On appelle multirésumé la synthèse de plusieurs documents.

HAUT DE PAGE

2.1.2 Résumé par extraction versus résumé par abstraction

Générer automatiquement un résumé est un problème difficile que l’on décompose généralement en deux sous-tâches. La première consiste à localiser les informations importantes en fonction d’un objectif donné (on parle parfois d’extraction ou de filtrage d’informations). La seconde génère le résumé à partir de ces informations et en fonction d’éventuelles contraintes de cohérence, de cohésion, etc. Il s’agit de l’étape la plus difficile car elle nécessite des outils efficaces qui pour l’heure n’existent pas en génération automatique de contenus textuels et en compréhension automatique du discours.

Nota :

nous ne parlerons...

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Documents numériques Gestion de contenu

(73 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Concepts clés
Sommaire
Sommaire

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.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Documents numériques Gestion de contenu

(73 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS